26106.微博評論信息的聚類分析

1、＼㈣嚳喘：一參縋次孽碩士學(xué)位論文微博評論信息的聚類分析ClusteringAnalysisofMicroblogCommentsInformation學(xué)號姓名學(xué)位類別學(xué)科專業(yè)指導(dǎo)教師完成時間范佳健應(yīng)用統(tǒng)計碩士應(yīng)用統(tǒng)計高文武2017年05月摘要～螋炒利用了文本聚類方法，針對微博評論信息的特點并根據(jù)微博熱點事件的大量用戶目的在于將內(nèi)容相近或相似的評論信息聚集成簇，了解社會對熱點事件的不同觀點，能夠進行有效的輿情分析與檢測，對于特定事件還能讓

2、領(lǐng)導(dǎo)層更好的了解民首先分析了微博文本信息的特點，研究了常用的文本信息分析方法，闡述了聚類分析技術(shù)，包括聚類的定義、形式和相似度量方法。其次，針對微博信息特點和信息處理方式，分析了微博評論信息的聚類步驟，包括文本預(yù)處理、微博文本表示以及聚類分析。在文本預(yù)處理階段，討論了中文分詞、停用詞過濾和文本去噪等，在文本表示階段，討論了多種文本表示方法和特征項的權(quán)重表示方法，在文本聚類階段，分析了聚類的不同方法并描述了多種算法。通過上述討論分析，確定

3、了本文采用的具體分析方法。接著利用R軟件進行文本去噪并通過jiebaR包完成中文分詞、停用詞過濾等預(yù)處理工作。在分析比較了多種文本表示方法之后，本文采用向量空間模型表示微博評論文本。而在選擇聚類算法時，采用了廣泛使用的k—means算法，但考慮到kmeans算法對初始點和離群點敏感，k值需要人為設(shè)定的缺點，增加了k—medoids算法。這是因為kmedoids算法和kmeans算法相似，但對離群點具有魯棒性，并且在R軟件的pamk函數(shù)中