论文部分内容阅读
随着互联网的飞速发展,微博已经成为一个拥有大量信息和复杂数据的社交媒体网络,这使得对于发现网络舆情面临巨大的挑战。改进了一种基于MapReduce的并行化K-means划分聚类算法,并针对K-means(K均值)算法初始聚类中心难以选取的缺点,将Isodata(迭代自组织分析算法)算法得到的K值,作为K-means算法的初始聚类中心,提高聚类的精度。最后将改进的K-means算法用于微博热点主题发现中,通过与传统的K-means算法比较,证明了改进算法能有效提高聚类的精度,而且在处理海量数据时有较大优势。