基于改进极限学习机的微信热点预测

林荫; 杨长春

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进极限学习机的微信热点预测

更新时间：2026-09-04

- 基于改进极限学习机的微信热点预测
- Weixin Hot Spot Prediction by Using Modified Extreme Learning Machine
- 微电子学与计算机 2017年34卷第5期页码：123-127
- 作者机构：
  
  1. 常州大学机构怀德学院, 江苏靖江,214500
  2. 常州大学信息化建设与管理中心,江苏,常州,213164
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2017
- 稿件说明：
移动端阅览
林荫, 杨长春. 基于改进极限学习机的微信热点预测[J]. 微电子学与计算机, 2017, 34(5): 123-127.

LIN Yin, YANG Chang-chun. Weixin Hot Spot Prediction by Using Modified Extreme Learning Machine[J]. 2017, 34(5): 123-127.
林荫, 杨长春. 基于改进极限学习机的微信热点预测[J]. 微电子学与计算机, 2017, 34(5): 123-127. DOI：

LIN Yin, YANG Chang-chun. Weixin Hot Spot Prediction by Using Modified Extreme Learning Machine[J]. 2017, 34(5): 123-127. DOI：

摘要

为了提高微信热点预测的准确性

更好描述微信热点的变化趋势

针对当前微信热点预测模型存在的一些局限性

设计了改进极限学习机的微信热点预测模型.首先采集微信热点的历史数据

构建微信热点的时间序列学习样本

然后采用极限学习机对微信热点样本进行训练

并对标准极限学习机进行改进

提升其学习能力

建立了微信热点的预测模型

最后采用具体微信热点数据进行验证性测试.测试结果表明

改进极限学习机可以获得高精度的微信热点预测结果

而且微信热点的建模效率要高于其他微信热点预测模型

具有良好的实际应用价值.

Abstract

In order to improve the accuracy of the weixin hot spot prediction

describe weixin hot trends

the current weixin hot forecast model has some limitations

a weixin hot prediction model based on improved extreme learning machine is proposed. Firstly

historical data are gathered for weixin hot

and time series hot study sample of weixin establisheds

and secondly

extreme learning machine was trained on weixin hot samples while standard extreme learning machine learning is modified to improve learning ability and prediction models of weixin hot is test by weixin hot data test. The test results show that modified extreme learning machine can get high accurate prediction results of weixin hot

and the modeling efficiency is higher than other models

it has good practical application value.

关键词

Keywords

references

蒋玉婷. 支持向量机修正ARIMA误差的微博热点预测[J]. 计算机应用与软件, 2014, 31(9): 187-190. DOI: 187

李郁侠, 赵军科, 王伟, 等. 电价时间序列混沌特性分析及电价预测[J]. 西北农林科技大学学报(自然科学版), 2008, 36(1): 229-234. DOI: 229

梁野, 郭宁宁, 李碧萩, 等. 基于机器学习的网络媒体热点话题预测方法研究与实现[J]. 微型机与应用, 2014, 33(15): 62-64. DOI: 62

陈江, 刘玮, 巢文涵, 等. 融合热点话题的微博转发预测研究[J]. 中文信息学报, 2015, 29(6): 150-158. DOI: 150

卢珺珈, 张宏莉, 张玥. 基于BBS的热点话题发现与态势预测技术的研究[J]. 智能计算机与应用, 2012, 2(2): 1-5. DOI: 1

戴臻. 布谷鸟算法优化支持向量机的网络热点话题预测[J]. 计算机应用与软件, 2014, 31(4): 330-333. DOI: 330

李睿, 赵保华, 王朋. 基于遗传优化加权相关向量机的网络热点预测模型[J]. 计算机应用与软件, 2015, 32(6): 312-316. DOI: 312

罗泰晔. 网络舆情热点规模预测研究[J]. 情报杂志, 2016, 35(10): 181-185. DOI: 181

张乐, 祁超. 网络论坛热点话题的关注度预测[J]. 计算机与数字工程, 2013, 41(5): 772-775. DOI: 772

路斌. 互联网舆情热点自动发现与分析技术研究与实现[D]. 北京: 北京大学, 2007.

刘玉坤, 夏栋梁, 马丽. 基于AGSO-LSSVM的热点话题预测模型[J]. 重庆邮电大学学报(自然科学版), 2014, 26(6): 803-808. DOI: 803

张弦, 王宏力. 基于Cholesky分解的增量式ELM及其在时间序列预测中的应用[J]. 物理学报, 2011, 60(11): 201-207. DOI: 201

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种基于特征上下文理解与切片分析的肺结核检测算法

基于区块链的AI生成内容溯源框架设计研究

一种用于极低压boost系统的高效率电荷泵

注意力机制与改进密集卷积引导的信息隐藏模型

AlN/GaN混合缓冲层双异质结p-GaN HEMT直流特性仿真