基于近鄰傳播的文本數(shù)據流聚類算法及其應用研究.pdf

1、隨著大數(shù)據時代的到來，網絡上產生了大量非結構化文本數(shù)據流，這些文本數(shù)據流具有動態(tài)、高維、稀疏等特征。面對這些實時產生、數(shù)據量龐大、結構復雜的非結構化數(shù)據，人們迫切需要從中提取有價值的信息和知識。文本數(shù)據流聚類技術是分析這些非結構化數(shù)據的常用方法，它在新聞過濾、話題檢測及跟蹤(TDT)、用戶特征推薦等方面取得了很好的應用效果，迅速成為當前的研究熱點。
　　本文針對文本數(shù)據流的這些特點，將AP算法結合權重的運算擴展應用到文本數(shù)據流聚類

2、中，首先將傳統(tǒng)的AP算法及流式文本數(shù)據特征相結合，然后提出文本數(shù)據流聚類算法——OAP-s算法。該算法通過在AP算法上引入衰減因子，對聚類中心結果進行衰減的同時將當前時間窗口的聚類中心帶入到下一時間窗口中進行聚類。本文針對OAP-s算法的不足，又提出了OWAP-s算法。該算法在OAP-s算法模型基礎上定義了加權相似度，并通過引入吸引度因子，使得歷史聚類中心更具吸引性，得到更精確的聚類結果。同時，兩種算法均采用滑動時間窗口模式，使算法既能