[发明专利]基于转发关系的微博聚类方法

权利要求书

1.一种基于转发关系的微博聚类方法其特征在于，所述方法包含如下步骤：

步骤1：提取微博文本中的hashtag信息；

步骤2：使用ICTCLAS分词系统对微博文本和标签进行分词，并去除非实词和停用词；

步骤3：基于本文的特征权重的计算方法，计算词项的权重；

步骤4：基于微博的转发关系，构造转发关系矩阵；

步骤5：基于转发关系构造聚类的初始簇；

步骤6：基于初始簇，使用基于最大最小距离和SSE的自适应聚类算法，并使用余弦距离度量文本间的相似度，进行聚类；

步骤7：输出聚类的结果。

2.根据权利要求1所述的一种基于转发关系的微博聚类方法，其特征在于：所述步骤3中是特征权重的计算方法是根据公式(1)(2)(3)计算得到的，其中公式(2)中的常量λ是在大量的实验后根据经验的到的。

3.根据权利要求2所述的一种基于转发关系的微博聚类方法，其特征在于：所述公式(1)、(2)、(3)包括：

wij=tfij×idfiΣj=1t[tfij×idfi]2---(1)]]>

所述的公式(2)为：

所述的公式(3)为：weigh_ij＝ht_weigh_ij×w_ij(3)

。

4.根据权利要求1所述的一种基于转发关系的微博聚类方法，其特征在于：所述步骤4中构造转发关系矩阵，是基于每个转发关系生成一个转发关系邻接矩阵。

5.根据权利要求1所述的一种基于转发关系的微博聚类方法，其特征在于：所述步骤5中构造聚类初始簇，是基于图的广度优先遍历，将同一转发链中的微博放入转发簇中。

6.根据权利要求1所述的一种基于转发关系的微博聚类方法，其特征在于：所述步骤6中的基于最大最小距离和SSE的自适应聚类算法的初始点是基于每个初始簇的中心，计算出它们的最大最小距离得到的。