高校网络舆情分析的K-Means算法优化研究

• 作者: 刘嵩 向军 陈艳红
• 来源期刊: 湖北民族学院学报（自然科学版）
• 学科: 工学
• 关键词: 信息熵 K-Means 网络舆情
• 年，卷（期）: 2018,（4）
• 页码范围: 442-447
• 页数: 6页
• 分类号: TP301
• 字数: 6019字
• 语种: 中文
• DOI: 10.13501/j.cnki.42-1569/n.2018.12.018

摘要

为提高高校网络舆情的可识别性和预警实时性,提高网络舆情热点分析的准确性,论文设计了一个高校网络舆情热点发现模型.包括网络舆情信息采集、预处理、中文分词、特征选择、文本分词和聚类分析.考虑到网络舆情的不确定性和模糊性,提出了一种基于信息熵和密度改进的K-Means聚类算法的网络舆情相似度分析方法,此方法可以对网络热点和危机事件进行聚类和识别.实验结果表明,该方法能够快速获得网络舆情,具有较高的聚类准确率,证明了论文提出的模型的可行性与有效性,可为高校网络舆情监测和识别提供重要的技术支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	向军	湖北民族学院信息工程学院	30	126	6.0	10.0
2	刘嵩	湖北民族学院信息工程学院	34	127	6.0	10.0
3	陈艳红	湖北民族学院信息工程学院	1	6	1.0	1.0