資源描述：
《基于文本聚類的微博信息分析的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、分類號(hào)密級(jí)UDC學(xué)校代碼10497學(xué)位論文題目基于文本聚類的微博信息分析的研究英文ResearchontheAnalysisofMicroblogInformation題目BasedonTextClustering研究生姓名胡璇姓名楊青職稱教授學(xué)位碩士指導(dǎo)教師單位名稱計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院郵編430063申請(qǐng)學(xué)位級(jí)別碩士學(xué)科專業(yè)名稱計(jì)算機(jī)應(yīng)用技術(shù)論文提交日期2014年4月論文答辯日期學(xué)位授予單位武漢理工大學(xué)學(xué)位授予日期答辯委員會(huì)主席評(píng)閱人2014年5月萬(wàn)方數(shù)據(jù)獨(dú)創(chuàng)性聲明本人聲明，所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。
2、盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得武漢理工大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示了謝意。簽名：日期：學(xué)位論文使用授權(quán)書本人完全了解武漢理工大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)武漢理工大學(xué)可以將本學(xué)位論文的全部?jī)?nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或其他復(fù)制手段保存或匯編本學(xué)位論文。同時(shí)授權(quán)經(jīng)武
3、漢理工大學(xué)認(rèn)可的國(guó)家有關(guān)機(jī)構(gòu)或論文數(shù)據(jù)庫(kù)使用或收錄本學(xué)位論文，并向社會(huì)公眾提供信息服務(wù)。（保密的論文在解密后應(yīng)遵守此規(guī)定）研究生（簽名）：導(dǎo)師（簽名）：日期萬(wàn)方數(shù)據(jù)武漢理工大學(xué)碩士學(xué)位論文摘要微博作為一種新興的社交媒體與信息交流平臺(tái)，近幾年得到了飛速的發(fā)展和廣泛的應(yīng)用，相比之下微博信息的分析與挖掘還處于起步階段。微博信息具有海量、短小、不規(guī)范、重復(fù)度大等特征，傳統(tǒng)的信息分析方法難以滿足微博信息分析的需求。正是在這種背景下，本文引入文本聚類方法，并針對(duì)微博信息的特點(diǎn)展開研究和試驗(yàn)，目的是能夠?qū)?nèi)容相近或相似的微博聚集到一起，識(shí)別出微博話題。這
4、樣不僅能夠?qū)崿F(xiàn)信息的有效組織，節(jié)省用戶查看微博的時(shí)間，而且對(duì)微博輿情的預(yù)警也有一定的幫助作用。本文主要完成了以下幾個(gè)方面的工作。首先分析了微博文本信息的特點(diǎn)，并根據(jù)其特點(diǎn)研究了常用的微博信息分析方法，比較了各種方法的優(yōu)缺點(diǎn)并確定本文基于文本聚類的研究方案。其次，針對(duì)微博信息的特點(diǎn)和處理效率等因素，設(shè)計(jì)了基于文本聚類的微博信息處理流程，包括微博文本預(yù)處理、微博文本表示及聚類處理；接著，對(duì)文本表示方法和文本聚類算法進(jìn)行了深入的分析，選擇向量空間模型描述微博文本，選擇k-means算法實(shí)現(xiàn)微博文本聚類，討論了微博信息處理流程的具體實(shí)現(xiàn)，最后，在經(jīng)
5、過預(yù)處理的微博數(shù)據(jù)基礎(chǔ)上展開試驗(yàn)，并深入討論了特征維數(shù)和距離對(duì)聚類結(jié)果的影響。本文的研究工作表明，采用“最小最大原則”能夠較好地克服k-means算法對(duì)初始點(diǎn)敏感的問題；在文本相似度的計(jì)算上，余弦距離比歐氏距離更加適用于微博文本的聚類，最終能夠獲得較高的正確率和召回率，因此從實(shí)踐上論證了k-means文本聚類算法對(duì)微博信息分析的可行性和合理性，并為微博信息的深度分析和后續(xù)應(yīng)用系統(tǒng)的開發(fā)提供了基礎(chǔ)。本文的研究工作對(duì)微博輿情監(jiān)控等方面的應(yīng)用開發(fā)有著重要的參考意義。關(guān)鍵詞：微博信息分析，微博話題識(shí)別，文本聚類I萬(wàn)方數(shù)據(jù)武漢理工大學(xué)碩士學(xué)位論文Ab
6、stractAsanemergingsocialmediaandinformationexchangeplatform,themicrobloghaswitnessedrapiddevelopmentandextensiveapplicationinrecentyears.Bycontrast,theanalysisandminingofmicrobloginformationisstillatthepreliminarystage.Becausethemicrobloginformationismassive,short,informal
7、,andwithhighrepetitionrate,soitishardtosatisfytherequirementofmicrobloginformationanalysisbytraditionalmethods.Itisunderthisbackground,thethesisintroducesthemethodoftextclustering,andperformsresearchandexperimentsonmicrobloginformationconsideringitscharacteristics,whichaim
8、stoaggregatethosemicroblogtextsthathavesimilarcontentanddetectmicroblogtopics.Inthisway,i
