流聚類技術(shù)在微博中的應(yīng)用.pdf

1、微型博客是一種日益興起的新型社交網(wǎng)絡(luò)，在微博中，用戶之間不僅可以建立好友關(guān)系，還可以進(jìn)行學(xué)術(shù)交流、通過簽到分享自己在不同地點所參與的事件以及對熱點問題進(jìn)行關(guān)注和討論。它具有發(fā)布信息快，信息傳播速度快的特點。但是因為用戶眾多，數(shù)據(jù)量過大，且數(shù)據(jù)為動態(tài)傳輸，使用傳統(tǒng)的靜態(tài)數(shù)據(jù)分析方法對其進(jìn)行分析就不再適合，而需要用到流聚類的方法。本文中，我們把流聚類分為兩個層次，其中在線的微聚類層用于暫時性地處理和存儲摘要統(tǒng)計信息，由于該組件僅針對摘要統(tǒng)計

2、信息進(jìn)行處理，從而能夠處理流速和流量較大的數(shù)據(jù)流;另一層是離線的宏聚類組件，針對這一層，我們可以根據(jù)需要調(diào)整輸入的參數(shù)（如類或時間段的個數(shù)）來對在線微聚類層所存儲的摘要統(tǒng)計信息進(jìn)行聚類，以便能夠以不同角度和方式對數(shù)據(jù)流的聚類結(jié)果進(jìn)行分析，從而提高了聚類結(jié)果的精確性和可理解性。之后，本文針對微博數(shù)據(jù)的特點引入一個用戶影響力因子，將之作為微博的權(quán)值，從而得到針對微博流聚類更加精確的結(jié)果。本文還使用了基于PCA的文本降維技術(shù)對目標(biāo)數(shù)據(jù)集進(jìn)行了