论文部分内容阅读
社交网站作为一种新时期的交流平台,给人们的学习和生活带来了无尽的便利,逐渐成为人们获取知识,共享信息的主要渠道,但与此同时,网络文章纷繁复杂,造成用户浏览上的困扰,由此可见,对文章热度进行分类十分必要.针对这一问题,以Mashable社交网站为例,利用UCI中Online News Popularity数据集,提取文章相关属性,给出热度的评价标准.对60项属性进行了主成分分析,筛选出关键性影响因子.通过对BP神经网络和RBF神经网络两种算法进行对比研究,旨在选择一种速度更快、分类更精确的算法,结果表明,R