互聯(lián)網(wǎng)輿論是指公眾通過互聯(lián)網(wǎng)平臺發(fā)布、表達(dá)自己對社會熱點事件的看法和評論。隨著“互聯(lián)網(wǎng)+”的迅速發(fā)展,社交媒體巧妙地改變了人們在社會中的互動方式。越來越多的人通過社交網(wǎng)絡(luò)平臺如微博、微信和論壇交流,而短文本數(shù)據(jù)被廣泛使用,并且存在于這些社交媒體中。短文本數(shù)據(jù)承載大量的用戶信息,同時傳輸公共信息,各式各樣的短文本數(shù)據(jù)充斥著網(wǎng)絡(luò),進(jìn)而形成網(wǎng)絡(luò)輿情。如何更好地處理短文本數(shù)據(jù)和發(fā)現(xiàn)輿情數(shù)據(jù)隱藏的主題詞已經(jīng)成為網(wǎng)絡(luò)輿情數(shù)據(jù)分析的一個重要研究內(nèi)容。本文針對短文本聚類和網(wǎng)絡(luò)輿情主題詞挖掘過程中存在的局限性,減少短文本特征稀疏對網(wǎng)絡(luò)輿情數(shù)據(jù)分析的影響。因此,借助于機(jī)器學(xué)習(xí)聚類算法,改進(jìn)了傳統(tǒng)的K均值聚類算法。中心思想是優(yōu)化第一階段的Canopy算法預(yù)處理。把每次Canopy算法形成的重疊子集稱之為覆蓋集,并且不像傳統(tǒng)的K-means算法考慮每個點到所有中心的距離。而是計算點到其所屬覆蓋集中心的距離。隨著K-means算法的迭代,每個覆蓋集中心將繼續(xù)變化,直到收斂為止。在此基礎(chǔ)上,提出了BK-means聚類算法。網(wǎng)絡(luò)輿情數(shù)據(jù)分析提出了一種基于BTM的輿情主題詞挖掘模塊,通過改進(jìn)TF-IDF權(quán)重算法以減少...

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1移動互聯(lián)網(wǎng)接入流量在Web1.0時代，公眾通過兩種方式獲取信息：靜態(tài)瀏覽和單向閱讀

1.1研究背景及意義輿論在互聯(lián)網(wǎng)中的含義是指，人們對于社會中的各種現(xiàn)象和問題所持有的信念、態(tài)度、觀點和情感，通過網(wǎng)絡(luò)表達(dá)的總和。它可以對社會發(fā)展和相關(guān)過程產(chǎn)生影響，并與理性和非理性因素相結(jié)合。武漢大學(xué)媒體發(fā)展研究中心與社會科學(xué)文獻(xiàn)出版社共同發(fā)布“傳播創(chuàng)新藍(lán)皮書”，中國傳播創(chuàng)新研....

圖4-2本次實驗生成的voca.txt的部分截圖

2w3……N-1wn表4-2doc_wids.txt的輸入格式dWW……WndWW……WndWW……Wn……dmWmWm……Wmnm利用VS2015開發(fā)工具編寫代碼處理數(shù)據(jù)集，生成的兩個文檔：voca.txt、doc_wids.....

圖4-3本次實驗生成的docwids.txt的部分截圖

圖4-3本次實驗生成的doc_wids.txt的部分截圖4.3.2改進(jìn)的TF-IDF算法TF-IDF權(quán)重算法作為一種無監(jiān)督的統(tǒng)計方法[44]，它雖然可以發(fā)現(xiàn)文本中某一詞語的重要性，但是由于沒有考慮權(quán)重以及詞語歧義的影響，理論支撐不夠。因此，科研學(xué)者們?yōu)榱俗孴F-....

圖4-4實驗項目圖

圖4-4實驗項目圖4.4.4實驗結(jié)果.4.4.1改進(jìn)的TF-IDF與TF-IDF的F值本實驗采用的聚類評價指標(biāo)是F-measure值，其值越大，聚類效果越好。通過圖4-可知，改進(jìn)的TF-IDF算法相較于傳統(tǒng)的方法而言，話題聚類效果的F值有明顯的....

本文編號：3958968