基于密度峰值优化K-means聚类算法的微博舆情分析
叶瑾玫
程科
江苏科技大学计算机学院 镇江 212003
摘要：通过自行开发的爬虫脚本,抓取新浪微博上不同的关键词组成文本数据集,对数据信息进行中文分词、去停用词、权重计算等预处理,然后利用改进的聚类算法对文本聚类分析.针对K-means算法存在随机选取的初始聚类中心导致后期易收敛不能保证全局最优的问题,提出改进的密度峰值算法优化的K-means聚类算法.实验结果表明,与传统的K-means算法相比较,改进后的算法聚类更加有效稳定,提高了微博舆情发现的准确度和效率.
关键词：K-means算法聚类中心密度峰值微博舆情
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2022-04-20
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：5( 726-729,735 )
英文信息