基于k-means算法在微博數(shù)據(jù)挖掘中的應(yīng)用.pdf

1、二十一世紀(jì)的今天，微博已經(jīng)成為人們生活中不可以缺少的一部分，而且并以飛速的方式迅猛發(fā)展，其作為一種新型的可關(guān)注分享信息的社交媒體，具有發(fā)布快、形式多樣、內(nèi)容量少等特點正好迎合了用戶對信息的實時、準(zhǔn)確以及多樣性的需求，因此廣大用戶對微博非常喜愛，主要由于用戶可以通過微博在任何時間、地點分享或關(guān)注自己喜愛的事物。微博用戶在使用微博時，根據(jù)其自己不同的興趣愛好、生活習(xí)慣會選擇關(guān)注不同的好友和瀏覽不同信息。因此，可以根據(jù)微博用戶的興趣愛好就可以

2、了解其喜好與關(guān)注的信息。不同的微博用戶有不同的喜好，如“物以類聚，人以群分”，故對于具有相同愛好的用戶可為微博的推廣、營銷以及好友推薦等提供新的切入點與研究思路。
　　微博的數(shù)據(jù)量非常龐大，如何快速有效的從中挖掘出自己想要的數(shù)據(jù)信息顯得非常重要。數(shù)據(jù)挖掘的方法可以在龐大的數(shù)據(jù)中挖掘出有價值的數(shù)據(jù)信息，該方法中所應(yīng)用到的數(shù)學(xué)算法已經(jīng)非常成熟，并在很多行業(yè)得到應(yīng)用，如電信、金融以及網(wǎng)站等，然而在微博用戶興趣群發(fā)現(xiàn)上還存在很多問題需要解

3、決。本文應(yīng)用數(shù)學(xué)分析和挖掘的方法對微博數(shù)據(jù)進(jìn)行處理，探索出微博用戶的興趣、愛好以及習(xí)慣，并通過該方法希望可以將數(shù)據(jù)挖掘的方法應(yīng)用到微博挖掘的研究中，為微博數(shù)據(jù)的分析提供新的研究思路與借鑒途徑。
　　本文選取新浪微博為研究對象，對微博用戶的興趣群進(jìn)行數(shù)據(jù)挖掘聚類分析。該過程中首先需要將微博數(shù)據(jù)進(jìn)行可視化處理，這樣可以清楚微博數(shù)據(jù)的分布特性，從而可以對微博數(shù)據(jù)進(jìn)行預(yù)處理。由于本文所用新浪微博的數(shù)據(jù)量非常龐大，而且該數(shù)據(jù)中多數(shù)是不低于三

4、維的數(shù)據(jù)，從而對微博進(jìn)行直觀評價顯得較為復(fù)雜。本文采用k-means算法對新浪微博數(shù)據(jù)進(jìn)行挖掘聚類分析，然而由于傳統(tǒng)k-means算法對新浪數(shù)據(jù)進(jìn)行挖掘聚類分析容易受初始聚類中心點的影響和對數(shù)據(jù)進(jìn)行迭代求解過程中容易陷入局部最優(yōu)。針對傳統(tǒng)的k-means算法存在上述的缺陷，本文在k-means算法中引入粒子群(PSO)算法，改進(jìn)后的PSO-kmeans算法由于PSO算法的引入使得該算法的變得較為簡單，參數(shù)設(shè)置也變得較少，可以加速算法收斂