面向微博话题的粒子群优化聚类算法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 聚类算法的研究现状 | 第11-13页 |
| 1.2.2 粒子群优化算法的研究现状 | 第13-14页 |
| 1.2.3 微博话题的研究现状 | 第14-15页 |
| 1.3 论文的研究内容和组织安排 | 第15-18页 |
| 1.3.1 论文的主要研究内容 | 第15-16页 |
| 1.3.2 论文的组织安排 | 第16-18页 |
| 2 相关理论研究 | 第18-38页 |
| 2.1 聚类分析 | 第18-24页 |
| 2.1.1 聚类算法的种类 | 第18-20页 |
| 2.1.2 聚类算法的数据结构 | 第20-21页 |
| 2.1.3 常用的距离度量方法 | 第21-22页 |
| 2.1.4 K-means算法介绍 | 第22-24页 |
| 2.2 微博信息提取技术 | 第24-30页 |
| 2.2.1 基于网络爬虫的信息提取技术 | 第24-25页 |
| 2.2.2 基于微博API的信息提取技术 | 第25-27页 |
| 2.2.3 基于模拟用户登录的信息提取技术 | 第27-30页 |
| 2.3 微博信息预处理技术 | 第30-34页 |
| 2.3.1 中文分词及词性标注 | 第31-32页 |
| 2.3.2 去停用词 | 第32页 |
| 2.3.3 文本表示模型 | 第32-33页 |
| 2.3.4 特征项权重 | 第33-34页 |
| 2.3.5 文档相似度 | 第34页 |
| 2.4 Spark云计算框架 | 第34-37页 |
| 2.4.1 Spark简介 | 第35页 |
| 2.4.2 Spark组成模块 | 第35-37页 |
| 2.5 本章小结 | 第37-38页 |
| 3 基于时间因子的混沌粒子群优化聚类算法 | 第38-54页 |
| 3.1 粒子群优化算法 | 第38-43页 |
| 3.1.1 种群规模 | 第40页 |
| 3.1.2 惯性权重 | 第40-41页 |
| 3.1.3 学习因子 | 第41-42页 |
| 3.1.4 最大速度 | 第42页 |
| 3.1.5 收缩因子 | 第42-43页 |
| 3.2 算法改进思想 | 第43-47页 |
| 3.2.1 时间因子 | 第44页 |
| 3.2.2 混沌搜索 | 第44-45页 |
| 3.2.3 粒子编码方式 | 第45-47页 |
| 3.3 实验及结果分析 | 第47-52页 |
| 3.3.1 测试数据集 | 第47-48页 |
| 3.3.2 实验结果 | 第48-52页 |
| 3.4 本章小结 | 第52-54页 |
| 4 微博热点话题原型系统的设计与实现 | 第54-62页 |
| 4.1 系统概述 | 第54-55页 |
| 4.1.1 开发环境 | 第54页 |
| 4.1.2 系统框架 | 第54-55页 |
| 4.2 系统设计 | 第55-57页 |
| 4.2.1 微博信息采集模块 | 第55-56页 |
| 4.2.2 数据预处理模块 | 第56页 |
| 4.2.3 文本聚类模块 | 第56-57页 |
| 4.2.4 热点话题模块 | 第57页 |
| 4.3 系统可视化界面 | 第57-61页 |
| 4.4 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-72页 |
| 作者简历 | 第72-73页 |
| 学位论文数据集 | 第73页 |
