基于k-means的微博短文本聚類算法研究

《基于k-means的微博短文本聚類算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、學校代碼：１０５８９學號１２１０００２：１３０８００２Ｉ：密級：分類號Ｊ緣潔乂書碩±學位論文題目－ｍｅａｎｓ：暮于Ｋ的微博短文本聚類算法研究作者；林紅靜指導教師：黃夢醒教授專業(yè)：計算機科學與技術(shù)時間二０—六年五月：—ＲｅｓｅａｒｃｈｏｆＷｅ化０ＴｅｘｔＣｌｕｓｔ：ｅｒｉｎｇＡｌｏｒｉｔｈｍｂａｓｅｄｏｎｇＫ－ｍｅａｎｓＡＴｈｅｓｉｓＳｕｂｍｉｔｔｅｄｉｎＰａｒｔｉａｌＦｕｌｆｉｌｌｍｅｎｔｏｆｔｈｅＲｅｕｉｒｅｍｅｎｔｑＦｏ

2、＂ｈｅＭａｓｔｅｒＤｅｇｒｅｅｉｎＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ＆ＴｅｃｈｎｏｌｏｇｙＢｙ－ＬｉｎＨｏｎｉｎｇｊｇＳｕｅｒｖＭｅｎ－ｘｐｉｓｏｒ：ＨｕａｎｇｉｎｇｇＭａｏｒ：ＣｏｍｕｔｅｒＳｃｉｅｎｃｅ＆ＴｅｃｈｎｏｌｏｊｐｇｙＳｕｂｍｉｔｔｅｄｔｉｍｅ：Ｍａ２０１６ｙ，海南大學學位論文原創(chuàng)聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重聲明，是本人在導師的指導下，獨立進行研究工：所呈交的學位論文作所取得的成果。除文中己經(jīng)注巧引用的內(nèi)容外，本論文不含任何其他個人或集體已經(jīng)發(fā)表

3、或撰寫過的作品或成果。對本文的研巧做出重要貢獻的個人和集體，均己在文中明確方式標明。本聲明的法律結(jié)果由本人承擔。論文作者簽名：日期：年Ｊ月本Ｔ日學位論文巧權(quán)使用授權(quán)說明本人完全了解海南大學關(guān)于收集、、保存使用學位論文的規(guī)定，即；學校有枚保留并向國家有關(guān)部口或機構(gòu)送交論文的復印件和電子脫允許論文被査閱和借閱。學?？桑椋欤欤逓榇嬖谇呻H合作關(guān)系兄弟巧校用戶提供文獻傳遞服務(wù)和交換巧務(wù)？本人授權(quán)ｉ海南大學可?。迣⒈緦W位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫迸行檢索，可?。蓿觳捎糜埃崳娗?。、縮印或掃描等復制手段保存和匯編本學位論文

4、，保密論文在解密后遵守此規(guī)定。＇ｒ４：論文作者簽名：導師簽名日期：年ｒ月聲日日期：年月日＞（／＂＂本人已經(jīng)認真閱讀ＣＡＬＩＳ高校學位論文全文數(shù)據(jù)庫發(fā)布韋程，同意將本人的學＂＂＂＂位論文提交ＣＡＵＳ離校學位論文全文數(shù)據(jù)庫中全文發(fā)布，并可按章程中規(guī)定□一年享受相關(guān)權(quán)益。同寅論義提交后滯后：□半年：：□二年發(fā)布。＊一論文作者簽名：祇名：；導師簽日期：別化年ｉ月永日日期：年月日摘要隨著互聯(lián)網(wǎng)科技的高速發(fā)展，各種社交媒體應(yīng)運而生，如貼化、ＱＱ、微信、微。博等，并迅速誠入人們的社會生活其中，微博

5、因其獨特的傳播機制，發(fā)展最為快速，其用戶規(guī)模已呈現(xiàn)出爆炸式増長的趨勢。大量的數(shù)據(jù)是微博從規(guī)模到用戶全面發(fā)展的必然結(jié)果。這些數(shù)據(jù)由于與用戶曰常行為、偏好、習慣直接關(guān)聯(lián)，從而蘊含了大量的、潛在的、有價值的信息。面對這些。大規(guī)模的用戶數(shù)據(jù)，如何利用其得到能夠直接變現(xiàn)的信息成了迫切需要解決的問題而微博數(shù)據(jù)的獲取是探索虛擬社會的人群社交結(jié)構(gòu)網(wǎng)絡(luò)、信息傳播的內(nèi)在規(guī)律、了解用戶的行為偏好的前提條件與支撐。因為微博用戶規(guī)模大、數(shù)據(jù)流量大，如何從。信息爆炸的微博網(wǎng)站中高效的獲取微博數(shù)據(jù)，成為研巧微博信息的首要問題綜上所述，本文通

6、過對微博信息抓取技術(shù)的分析與研巧，提出了基于微博信息的主題網(wǎng)絡(luò)爬蟲，并高效地獲取了微博數(shù)據(jù)：然后將微博數(shù)據(jù)巧Ｗ空間向量的形式進行、、表示，在此基礎(chǔ)上結(jié)合Ｋ均值算法進行聚類分析，從而得到用戶的習慣偏好行為、社交等多種數(shù)據(jù)。本文的主要貢獻如下所示：１關(guān)鍵詞庫的構(gòu)建：提出了基于微博信息的關(guān)鍵詞庫爬蟲策略，并設(shè)計了實驗）系統(tǒng)ＫｅｙｓＬ化，該策略包括Ｗ下五大階段為：樣本選取策略、抓取詞庫樣本、樣本數(shù)據(jù)預處理、特征詞提?。准皹?gòu)建關(guān)鍵詞庫。：巧主題網(wǎng)絡(luò)爬蟲的改善提出了基于微博信息的爬蟲策略，利用關(guān)鍵詞庫在傳：統(tǒng)的主題網(wǎng)絡(luò)爬蟲

7、的基礎(chǔ)上進行完善，實驗結(jié)果顯示該策略有效的提高了獲取信息的準確率和覆蓋率。－ｍｅｎｓ３Ｋ均值聚類算法（Ｋａ）的改進：本文使用增量聚類技術(shù)修改了Ｋ均值）算法，解決了傳統(tǒng)的Ｋ均值算法對聚類初始化狀態(tài)空間值敏感的難題。－ｍｎｓ算法關(guān)鍵詞：ＶＳＭＫ微博；關(guān)鍵詞庫；主題爬蟲；模型；ｅａＡＢＳＴＲＡＣＴ－ｔｈｅｉｓｅｅｄｄｅｖｅｏｍｅｎｏｆＩｎｔｅｒｎｅ：ｅｃｈｎｏｌｏａｌｋｉｎｓｏｆｓｏｃｉａｍｅｄａａｓｅｓＷｉｔｈｈｇｈｌｔｔｔｇｙｌｄｌｉｒｉｐｐ，ａｔｔｈｅｈｉｓｔｏｒｉｃｍｏｍｅｎｔｓｕ

8、ｃｈａｓｔｈｅｏｓｔｂａｒＷｅＣｈａｔＷｅ化０ｅｔｃａｎｄｕｉｃｋｌｉｎｔｏ，．，ｐＱＱ，，，，ｑｙ＇ｅｏｌｅｓｓｏｃｉａｌｌｉｆｅ．