基于两种改进的聚类算法对新浪微博用户信息的研究

发布时间：2020-03-30 17:02

【摘要】：近几年来新浪微博迅猛发展，已经逐渐成为人们生活中不可或缺的一部分。新浪微博作为一个信息传播平台，它使得人们能够及时的获取第一手信息，同时作为一个社交平台，它让人们可以通过一种崭新的方式与他人交往。在新浪微博中，用户具有核心地位，无论是为了在微博平台上进行广告营销，还是对微博信息进行舆情监测，对不同微博用户群体的信息进行提炼都是至关重要的一步本文以微博用户信息数据作为研究对象，以用户的粉丝数、微博数、关注数、互粉数以及博龄数的取值作为依据，对微博用户群体进行聚类划分。首先将数据可视化从而全面了解了数据的分布特征，然后应用标准化方法对数据进行了预处理。由于数据量很大（21481条用户信息），，且由于大于三的维度从而难以对数据的聚类趋势进行直观的评估。对此，本文采用了改进后的K-Means算法和TwoStep算法对数据进行聚类分析。改进的K-Means算法是将传统的K-Means算法与C-H指数相结合，从而可以自行的选择最终聚类个数，TwoStep算法则将传统的系统聚类算法与Birch算法相结合，进而解决了传统系统聚类算法扩展性较差的问题，但在计算过程中需要人为的选取阀值T。通过这两种改进后的方法最终得到了两种不同的聚类结果，在对各个类别进行分析后本文对不同的类别予以命名最后，本文应用三种不同的度量指数来对聚类结果质量进行评价，结果显示改进后K-Means算法的聚类结果质量较好。其原因可能是TwoStep算法中的预聚类造成了样本信息量的损失以及人为选取的阀值T不是最佳值。
【学位授予单位】：首都经济贸易大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：C81

【引证文献】