- 上一篇：LCC复杂产品研制费用估算系统设计与开发
- 下一篇：Android移动互联网的校园通知推送系统设计
摘要数据挖掘是现今的研究热点。本次研究着手于新浪微博的数据挖掘，微博作为Web2.0时代新生网络应用形式，在最近几年中得到了迅猛的发展。本文通过新浪微博API获取新浪微博内容，统计某一博主的微博，通过高频词汇提取，构造停用词表，删除不常用词汇，使用TF-IDF值赋予权重，利用同义词表优化向量表，最后利用余弦算法计算文本相似度，使用K-means算法将微博聚类，从而研究聚类文本的特点以及K-means算法在网络文本数据挖掘的优点与不足。64786
毕业论文关键词：聚类 WEB 数据挖掘 K-means 微博 文本相似度
毕业设计说明书（论文）外文摘要
Title Research on Clustering in WEB Text Mining
Abstract
Data mining is a research hotspot. This study is based on Sina micro-blog data mining, Web 2.0 era as a new network application form , has been developing rapidly in recent years. This paper gets the Sina micro-blog content through the Sina micro-blog API ,and Census the micro-blog, remove common words, use the TF-IDF value to give the weights, using synonym table optimization vector table, finally calculated the similarity table . Using cosine algorithm and K-means algorithm ,we can cluster the micro-blog.Then we want to find advantages and disadvantages of K-means, in order to study the text clustering and K-means algorithm in network text data mining.
Keywords： Clustering Web Datamining K-means micro-blog Text similarity
目 录
1 绪论 1
1.1 研究背景 1
1.1.1 数据挖掘的内容 1
1.1.2 数据挖掘的意义 1
1.1.3 知识发现的过程 2
1.2 聚类分析 2
1.2.1 聚类分析简介 2
1.2.2 研究现状 3
1.2.3 传统的聚类算法概述 3
1.2.4 基于划分的方法 3
1.2.5 基于层次的方法 4
1.2.6 基于密度的方法 4
1.2.7 基于网格的方法 5
1.3 簇间距离的度量方法 5
1.3.1 欧式距离 6
1.3.2 街区距离 6
1.3.3 基于密度的距离 6
2 文本数据的获取及其分词 6
2.1 Web数据获取 7
2.1.1 新浪微博开放平台 7
2.1.2 新浪微博授权机制 8
2.1.3 新浪微博API 9
2.2 Web 数据清理 11
2.2.1 中文分词及其方法 11
2.2.2 分词算法的局限性 12
2.2.3 停用词表 12
2.2.4 盘古分词中文分词算法简介 13
3 聚类算法介绍 13
3.1 文本相似度算法
-
基于MATLAB的图像增强算法设计
-
基于Kinect的手势跟踪与识别算法设计
-
JAVA+MYSQL《算法与数据结构...
-
神经网络算法在核素识别中的应用研究
-
人脸图像品质评估算法设计与实现
-
Hadoop云计算环境下的Web应用日志安全威胁分析
-
基于RGB-D摄像机的图像分割算法研究与实现
带式输送机技术英文文献和中文翻译
分光光度法测定水溶液中有机酸含量的研究
公共服务均等化文献综述和参考文献
探讨“绿色生态”在都市设计中的体现
文化旅游主题展示设计广富林十里长街设计
合肥老乡鸡连锁餐饮企业的经营策略探析
《简爱》女性主义的象征
新生代农民工培训现状分析
机器人摩擦焊机头设计
圆柱绕流国内外研究现状