

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、互聯(lián)網(wǎng)在經(jīng)濟社會生活中發(fā)揮著日益重要的影響,成為公眾表達民意、參與經(jīng)濟政治及社會生活的一種新的輿論平臺。個人網(wǎng)站、論壇、博客、評論區(qū)的出現(xiàn),使信息傳播更加便利快捷,個人觀點的表達也更加充分。
中國社會科學院社會藍皮書2010年中國社會形勢分析與預(yù)測指出,網(wǎng)絡(luò)媒體正成為輿論新格局的重要組成部分,網(wǎng)絡(luò)上熱點新聞觀點的表達集中不僅反映了公眾對社會重大公共事件的參與,而且反映了公眾所表現(xiàn)出的各種價值判斷和思想動態(tài),所形成的影響不可
2、低估,政府應(yīng)該形成對網(wǎng)絡(luò)民意的監(jiān)測、反饋和吸納機制。因此網(wǎng)民在網(wǎng)絡(luò)上有意識或者無意識表達出來的民情民意,對社會熱點問題的關(guān)注表達出的價值取向和觀點越來越具有研究和參考價值。
電子政府融合了現(xiàn)代政府管理理念與最新的信息技術(shù),通過智能化的信息處理,采用人工智能、數(shù)據(jù)挖掘、管理決策等技術(shù)來實現(xiàn)輔助決策系統(tǒng),對于提高效率、提高政府回應(yīng)與決策能力、提高決策的科學性和準確性,實現(xiàn)開放型、服務(wù)型、責任型政府具有重要意義。文本聚類技術(shù)中常
3、采用的K-means 聚類算法在實踐中獲得了廣泛的應(yīng)用,它具有高效的計算性能,具有清晰的、全局的目標函數(shù),聚類過程簡單、高效、魯棒,適用于許多類型的數(shù)據(jù)。然而不同的應(yīng)用需求、不同類型的數(shù)據(jù)對K-means算法提出了不同的要求。
如何從大型門戶網(wǎng)上熱點新聞評論信息中提取出可供決策參考的結(jié)果是需要研究的問題,能夠自動對評論信息進行聚類分析是解決這個問題的關(guān)鍵。本文選擇K-means 聚類算法,采用文本聚類技術(shù),圍繞評論信息的聚
4、類問題做了一些探索性的工作,期望能夠從這些評論信息中得出有價值的觀點結(jié)果,有效提供給政府相關(guān)部門,用于在公共決策中吸納、監(jiān)測民意和輔助決策參考。在新聞評論聚類實現(xiàn)過程中,采用向量空間模型的文本表示方法,將最初的評論數(shù)據(jù)經(jīng)過中文分詞、特征提取、權(quán)重計算等處理,把評論文本數(shù)據(jù)轉(zhuǎn)化成可進行聚類運算的向量,再進行聚類分析。并針對新聞評論數(shù)據(jù)的特點和K-means算法的主要缺點和不足,構(gòu)建了新聞評論專用停用詞表,對聚類算法實現(xiàn)中的關(guān)鍵環(huán)節(jié)特征項提
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 數(shù)據(jù)挖掘K-means聚類算法的研究.pdf
- 基于MapReduce的海量數(shù)據(jù)K-means聚類算法研究.pdf
- 基于K-Means的文檔聚類算法研究.pdf
- K-means聚類算法的改進.pdf
- K-means聚類算法的改進研究.pdf
- 基于K-means聚類的RCNA識別算法.pdf
- K-means聚類優(yōu)化算法的研究.pdf
- (6)K-means聚類算法.pdf
- 基于K-means聚類算法的負荷模型研究.pdf
- 基于K-Means聚類算法的客戶細分研究.pdf
- 密度敏感的K-means聚類算法研究.pdf
- K-means聚類算法研究及其應(yīng)用.pdf
- 基于密度的改進K-Means文本聚類算法研究.pdf
- 基于遺傳算法的K-MEANS聚類改進研究.pdf
- 基于Global K-means的多維數(shù)據(jù)聚類算法研究及其GPU加速.pdf
- K-Means聚類算法的研究與改進.pdf
- 基于MapReduce的K-means聚類算法的FPGA加速研究.pdf
- 基于K-means算法的文本聚類的研究與實現(xiàn).pdf
- K-means聚類算法的改進研究及應(yīng)用.pdf
- 基于屬性擴展圖的K-means聚類算法的研究.pdf
評論
0/150
提交評論