基于近鄰傳播的文本數(shù)據(jù)流聚類算法及其應(yīng)用研究.pdf

1、隨著大數(shù)據(jù)時(shí)代的到來(lái)，網(wǎng)絡(luò)上產(chǎn)生了大量非結(jié)構(gòu)化文本數(shù)據(jù)流，這些文本數(shù)據(jù)流具有動(dòng)態(tài)、高維、稀疏等特征。面對(duì)這些實(shí)時(shí)產(chǎn)生、數(shù)據(jù)量龐大、結(jié)構(gòu)復(fù)雜的非結(jié)構(gòu)化數(shù)據(jù)，人們迫切需要從中提取有價(jià)值的信息和知識(shí)。文本數(shù)據(jù)流聚類技術(shù)是分析這些非結(jié)構(gòu)化數(shù)據(jù)的常用方法，它在新聞過(guò)濾、話題檢測(cè)及跟蹤(TDT)、用戶特征推薦等方面取得了很好的應(yīng)用效果，迅速成為當(dāng)前的研究熱點(diǎn)。
　　本文針對(duì)文本數(shù)據(jù)流的這些特點(diǎn)，將AP算法結(jié)合權(quán)重的運(yùn)算擴(kuò)展應(yīng)用到文本數(shù)據(jù)流聚類

2、中，首先將傳統(tǒng)的AP算法及流式文本數(shù)據(jù)特征相結(jié)合，然后提出文本數(shù)據(jù)流聚類算法——OAP-s算法。該算法通過(guò)在AP算法上引入衰減因子，對(duì)聚類中心結(jié)果進(jìn)行衰減的同時(shí)將當(dāng)前時(shí)間窗口的聚類中心帶入到下一時(shí)間窗口中進(jìn)行聚類。本文針對(duì)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(chǔ)上定義了加權(quán)相似度，并通過(guò)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(jié)果。同時(shí)，兩種算法均采用滑動(dòng)時(shí)間窗口模式，使算法既能