基于NRL和k-means的舆情事件聚类研究

摘要：

[目的/意义]聚类网络舆情事件,不仅使得舆情信息更有层次和条理,还能辅助舆情事件个性化推荐等后续研究.[方法/过程]融合网络表示学习与K-means,经过舆情事件收集、事件共现频率分析、事件降维映射、聚类分析四个阶段达到舆情事件聚类的目的.收集舆情事件后根据事件间共现关系构造事件共现矩阵,运用NRL相关算法获得舆情事件的低维向量表示;然后运用K-means进行聚类:首先确定分组数量、划分初始簇;根据该类别中事件低维向量表示的均值更新类别中心;迭代至聚类完成.[结果/结论]运用蚁坊舆情监测软件已分类的220起舆情事件进行实证,发现融入NRL的K-means聚类能够达到较好的聚类效果.[创新/局限]以挖掘舆情事件为基础,创新提出融合网络表示学习的k-means聚类方法,获得条理清晰的舆情事件.然而个人研究可获取的数据数量有限,难以达成最优聚类效果,互联网信息平台拥有海量用户数据,可以达成更好的聚类效果以便个性化推荐等后续研究.

关键词：网络舆情、网络表示学习(NRL)、K-means、舆情事件、数据挖掘、聚类研究

所属期刊栏目：39

分类号：G254.0;G206.3(图书馆学、图书馆事业)

资助基金：黑龙江省自然科学基金;黑龙江省社会科学基金研究规划项目

在线出版日期：2021-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：129-136