基于兩種改進的聚類算法對新浪微博用戶信息的研究.pdf

1、近幾年來新浪微博迅猛發(fā)展，已經逐漸成為人們生活中不可或缺的一部分。新浪微博作為一個信息傳播平臺，它使得人們能夠及時的獲取第一手信息，同時作為一個社交平臺，它讓人們可以通過一種嶄新的方式與他人交往。在新浪微博中，用戶具有核心地位，無論是為了在微博平臺上進行廣告營銷，還是對微博信息進行輿情監(jiān)測，對不同微博用戶群體的信息進行提煉都是至關重要的一步
　　本文以微博用戶信息數(shù)據(jù)作為研究對象，以用戶的粉絲數(shù)、微博數(shù)、關注數(shù)、互粉數(shù)以及博齡數(shù)的

2、取值作為依據(jù)，對微博用戶群體進行聚類劃分。首先將數(shù)據(jù)可視化從而全面了解了數(shù)據(jù)的分布特征，然后應用標準化方法對數(shù)據(jù)進行了預處理。由于數(shù)據(jù)量很大（21481條用戶信息），且由于大于三的維度從而難以對數(shù)據(jù)的聚類趨勢進行直觀的評估。對此，本文采用了改進后的K-Means算法和TwoStep算法對數(shù)據(jù)進行聚類分析。改進的K-Mea ns算法是將傳統(tǒng)的K-Means算法與C-H指數(shù)相結合，從而可以自行的選擇最終聚類個數(shù)，TwoStep算法則將傳統(tǒng)的