网络异源数据社会风险预估及有效性分析

CORC > 数学与系统科学研究院 > 中国科学院数学与系统科学研究院 > 系统科学研究所

	网络异源数据社会风险预估及有效性分析
	陈进东 3; 唐锡晋1 ; 周晓纪 2; 张健 3
刊名	系统工程学报
	2019
卷号	34 期号:3 页码:312
ISSN号	1000-5781
英文摘要	针对互联网中异源数据的风险预估问题,借鉴社会心理学中社会风险研究成果,提出基于深度学习模型Paragraph Vector的风险分类和风险预估方法.选择“天涯社区”的“天涯杂谈”和“百姓声音”子板块为例,通过话题分析和相似度比较说明了不同子版块之间社会风险分类的可行性;利用基于Paragraph Vector的K-Nearest Neighbors分类方法(KNN-PV),以“天涯杂谈”标注数据为训练集,实现“百姓声音”相同时间段新发帖的风险分类和风险预估,并通过人工标注结果验证了KNN-PV方法的有效性.研究结果表明,基于机器学习方法能够实现互联网中异源数据的风险分类和风险预估.
语种	英语
内容类型	期刊论文
源URL	[http://ir.amss.ac.cn/handle/2S8OKBNM/48960]
专题	系统科学研究所
作者单位	1.中国科学院数学与系统科学研究院 2.中国航天系统科学与工程研究院 3.北京信息科技大学
推荐引用方式 GB/T 7714	陈进东,唐锡晋,周晓纪,等. 网络异源数据社会风险预估及有效性分析[J]. 系统工程学报,2019,34(3):312.
APA	陈进东,唐锡晋,周晓纪,&张健.(2019).网络异源数据社会风险预估及有效性分析.系统工程学报,34(3),312.
MLA	陈进东,et al."网络异源数据社会风险预估及有效性分析".系统工程学报 34.3(2019):312.