基于微博平臺(tái)的文本聚類研究與實(shí)現(xiàn).pdf

1、Web2.0的技術(shù)應(yīng)用促進(jìn)了網(wǎng)絡(luò)大數(shù)據(jù)時(shí)代的到來，當(dāng)前微博社交方式已成為社會(huì)網(wǎng)絡(luò)的新媒體，上億用戶的使用極大豐富了網(wǎng)絡(luò)大數(shù)據(jù)的存儲(chǔ)，這也使得數(shù)據(jù)的深入分析以及存儲(chǔ)挖掘面臨著極大的挑戰(zhàn)。微博的版塊多樣化，使微博文本信息與傳統(tǒng)的文本信息存在很大差異，微博涉及各個(gè)領(lǐng)域，如市場營銷、廣告工藝等，其內(nèi)容更是包羅萬象，內(nèi)容的碎片化直接導(dǎo)致了網(wǎng)絡(luò)數(shù)據(jù)結(jié)構(gòu)復(fù)雜內(nèi)容龐大。在這種背景下，快速準(zhǔn)確地挖掘出有效的信息進(jìn)行分析便是當(dāng)前網(wǎng)絡(luò)大數(shù)據(jù)應(yīng)用下的主要研究焦

2、點(diǎn)。
　　在微博軟件應(yīng)用研究開發(fā)中，話題聚類技術(shù)是其研究結(jié)構(gòu)中的基礎(chǔ)環(huán)節(jié)，在這一環(huán)節(jié)工作中，對微博文本中的內(nèi)容進(jìn)行分類歸納，可以對深層的話題進(jìn)行分析。傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)是利用關(guān)鍵字進(jìn)行處理，返回的數(shù)據(jù)大多是內(nèi)容重復(fù)性嚴(yán)重的數(shù)據(jù)，并且有些數(shù)據(jù)內(nèi)容關(guān)聯(lián)性較小，浪費(fèi)數(shù)據(jù)處理資源。因此利用傳統(tǒng)的關(guān)鍵字技術(shù)對于微博數(shù)據(jù)的處理顯得不能滿足要求。因此本文基于微博平臺(tái)通過采用微博文本智能處理算法可以很好的解決這一問題。
　　本文需要采集微博