支持項集元素計數(shù)的社交流媒體頻繁項集挖掘.pdf

1、近年來，諸如國外的Twitter、Facebook、Instagram、LinkedIn以及國內(nèi)的新浪微博、微信等各種社交軟件猶如雨后春筍般悄無聲息地進入了人們的生活。在利用這些社交平臺的同時，其所產(chǎn)生的數(shù)據(jù)也隱藏著巨大的經(jīng)濟價值以及社會價值。但由于網(wǎng)絡(luò)流媒體自身特征，如數(shù)據(jù)量巨大、數(shù)據(jù)產(chǎn)生速度快、到達次序雜亂無章、數(shù)據(jù)只能被有限次處理等，網(wǎng)絡(luò)數(shù)據(jù)流挖掘?qū)θ藗兲岢隽司薮蟮奶魬?zhàn)。
　　本文首先利用從新浪微博平臺所獲取的流媒體文本數(shù)據(jù)

2、及用戶信息，在傳統(tǒng)的密度聚類算法DBSCAN基礎(chǔ)上，設(shè)計了一種基于用戶信息的社交流文本聚類算法DBSCAN-IB。該算法在歷史簇與當前窗口簇合并時，充分利用了用戶信息，將用戶信息作為簇合并的一個測度因子，其挖掘結(jié)果更精確。其次，在對事件的頻繁項集挖掘上，提出了一種支持項集元素計數(shù)的頻繁項集挖掘算法FP-growth-EC。FP-growth-EC是對頻繁模式增長算法的拓展。在頻繁模式樹構(gòu)造時，將項集元素計數(shù)信息加入至項集末尾元素所對應(yīng)的

3、節(jié)點中；同時，在頻繁項集挖掘時，合并當前節(jié)點與孩子節(jié)點計數(shù)信息。通過對頻繁模式樹 FP-Tree節(jié)點增加計數(shù)因子的方式，F(xiàn)P-growth-EC不僅能夠挖掘出頻繁項集，而且能夠獲得頻繁項集元素的計數(shù)信息。
　　實驗結(jié)果表明：①DBSCAN-IB與不帶用戶信息的社交流聚類算法相比，前者對“魏則西事件”的檢測更準確。②使用FP-growth-EC與不加計數(shù)因子的元素計數(shù)頻繁項集挖掘算法，對十套隨機生成的帶元素計數(shù)的頻繁項集進行求解，F(xiàn)