基于Android平臺的微博系統(tǒng)研究與應(yīng)用.pdf

1、微博中圈子很重要，在圈子中，大家對彼此的關(guān)注度強于圈子外，產(chǎn)生的話題相關(guān)性也比圈子外高。圈子的構(gòu)建技術(shù)與個性化推薦息息相關(guān)。個性化推薦的友好程度決定了用戶對微博的直接體驗。個性化推薦中采用得最廣泛的方法是聚類分析。然而傳統(tǒng)的長文本聚類算法未能考慮微博數(shù)據(jù)稀疏性的特點，普通的短文本聚類算法又未能結(jié)合微博數(shù)據(jù)自身的特點。
　　針對微博數(shù)據(jù)的特點，本文提出了一種微博向量構(gòu)建方法，該方法考慮微博的話題與文本內(nèi)容，采用向量空間模型，分別從話

2、題和微博文本計算其相似度。在計算微博文本相似度時對相似度計算公式進行了調(diào)整，當(dāng)詞語位于話題中時其重要程度大幅提升。最后，對話題相似度和微博文本相似度進行歸一化處理，得到兩條微博的相似度。
　　在相似度計算的基礎(chǔ)上，本文提出了一種微博聚類算法。該算法基于標(biāo)簽詞匯發(fā)現(xiàn)技術(shù)，通過標(biāo)簽詞匯，不斷的將微博數(shù)據(jù)集劃分為不同的簇，使得一個簇包含標(biāo)簽詞匯，另一個簇完全不包含標(biāo)簽詞匯。反復(fù)運用迭代分割法，得到最終的聚類結(jié)果。本文采用NLPIR微博內(nèi)

3、容語料庫中的部分?jǐn)?shù)據(jù)對MBCA算法進行測試，以FScore值為評估標(biāo)準(zhǔn)，與開源聚類工具包CLUTO中的其他聚類算法進行了對比分析，實驗結(jié)果表明，MBCA算法的性能優(yōu)于其他短文本聚類算法。
　　在上述工作的基礎(chǔ)上，基于Android平臺，采用MBCA聚類算法設(shè)計和實現(xiàn)了一款簡單的微博系統(tǒng)。軟件在基于Android平臺的各個版本的模擬器以及ME525等真機上運行狀況良好，推薦列表合適，證明了軟件設(shè)計良好，同時也驗證了MBCA算法的合理