高校网络舆情分析的K-Means算法优化研究
陈艳红
向军
刘嵩
1.湖北民族学院 信息工程学院,湖北 恩施,4450002.湖北民族学院 信息工程学院,湖北 恩施,4450003.湖北民族学院 信息工程学院,湖北 恩施,445000
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.
关键词：信息熵K-Means网络舆情
分类号：TP301(计算技术、计算机技术)
资助基金：国家自然科学基金(61362016)文化部科技提升计划(201307)湖北省自然科学基金(2009CBD069)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 442-447 )
英文信息