效果看准确率,召回率,F值

// 输出社交網络的节点数量和正边的数量 // 3.为了简单本案例中只统计节点的度作为分类特征： // 4.将度特征整合到边到信息当中 // 5.按照3：2划分训练样本和测試样本 // 7.输出训练的模型在测试样本上的准确率和召回率： // 8.输出每个特征的权值

K折交叉验证主题个数(基于LDA模型)

// 完整代码6.设定不同的主题个数N,計算不同主题个数时测试集的平均对数似然函数概率,平均对数似然概率最大时对应的主题个数N就是最佳的样本主题个数 //其中四个数据集作為训练集 // 训练主题个数为K的LDA模型 // 返回归一化的主题分布,使用上一节定义的函数

tag标记即框,type:是类型后面必须空格，content是堆类型的内容填充