分布式K-means聚类在微博热点主题发现的应用

摘要：

随着互联网的飞速发展,微博已经成为一个拥有大量信息和复杂数据的社交媒体网络,这使得对于发现网络舆情面临巨大的挑战.改进了一种基于MapReduce的并行化K-means划分聚类算法,并针对K-means(K均值)算法初始聚类中心难以选取的缺点,将Isodata(迭代自组织分析算法)算法得到的K值,作为K-means算法的初始聚类中心,提高聚类的精度.最后将改进的K-means算法用于微博热点主题发现中,通过与传统的K-means算法比较,证明了改进算法能有效提高聚类的精度,而且在处理海量数据时有较大优势.

关键词：划分聚类、热点话题、并行化、改进划分聚类算法

所属期刊栏目：37

分类号：TP319.9(计算技术、计算机技术)

资助基金：陕西省科学技术厅重点研发计划2017ZDCXL-GY-05-03

在线出版日期：2020-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：121-125