基于主动学习的微博聚类分析

• 作者: 朱丽 陆建峰
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 主动学习 K-Means 微博
• 年，卷（期）: 2016,（3）
• 页码范围: 599-605
• 页数: 7页
• 分类号: TP3
• 字数: 4580字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2016.03.021

摘要

K-Means聚类算法由于无法准确确定初始化聚类中心,容易造成聚类结果准确率低下.对微博数据聚类时,可能会导致无法正确反映兴趣热点.本文设计了基于主动学习的聚类算法,在确定初始聚类中心过程中应用Min-Max主动学习策略,使得算法每次在很小数量的查询后都会提供数据点供用户进行初始中心点确认,并在K-Means算法中重新计算聚类中心时设置其权重值,从而减少迭代的数量,提高聚类结果的准确率,并将这一算法运用于微博聚类分析,得出微博热门话题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱丽	南京理工大学计算机科学与工程学院	41	260	8.0	14.0
2	陆建峰	南京理工大学计算机科学与工程学院	77	1217	17.0	33.0