基于PSO-SVM算法的炒作微博识别研究

摘要

为提高炒作微博的识别准确率,针对支持向量机(SVM)中参数的人为选择随机性,结合粒子群算法(PSO)和SVM提出一种识别炒作微博的PSO-SVM算法。该方法首先提取微博的社团模块度、平均最短路径、账户和好友的声望值以及关注数等特征,然后使用PSO优化SVM模型的核函数参数和误差惩罚因子,得到最佳的PSOSVM分类模型,用于对炒作微博和正常微博进行分类识别。实验结果表明,与基于网格搜索法优化的传统SVM模型相比,使用算法PSO-SVM得到的分类模型有较高的识别准确率和F1度量值,并且能够较好地克服微博名人效应对炒作微博识别准确率的影响。