简谈均值基于k均值聚类微博用户分类设计

论文导读：
摘要：文章通过对用户数据的分析，根据用户的教育情况，用户的收入情况，采用k均值算法对用户进行聚类，将具有相同特征的用户归为同一类，为微博的个性化营销和服务提供依据。
关键词：K均值聚类；微博；用户分类
1009-3044(2012)26-6273-03
微博客是博客的一种变体,是一种允许用户及时更新简短文本并公开发布的博客形式,允许任何人阅读或者只能由用户选择的群组阅读。用户可通过即时通讯工具、网页等终端发布、更新博文。博客虽已成为一种有效的信息沟通与交流方式,但依然具有进入门槛,而微博客则将门槛降到最低。微博的使用人群数量基数大,状态信息更新频繁、信息传播迅速。并且微博平台媒介用户占有率相对集中,因此基于微博数据的分析研究源于：论文www.7ctime.com
成为了十分值得关注的研究方向。在廉捷等人就微博数据的获取提出了基于新浪微博API与基于页面解析的新浪微博数据获取方案。KANG Shulong针对新浪微博研究了其群体结构与度分布特征。目前，微博的应用中，没有根据用户的需求，用户的特征做相应的推荐工作，比如根据用户的受教育程度，用户的所从事的工作，推荐相应的用户群体。本文根据新浪微博提供的API接口，获得用户的相关资料，采用k均值算法对用户分类，为微博的智能的发展和微博得营销提供有力的支持。
k均值算法的步骤如下：
初始化。输入基因表达矩阵作为对象集X，输入指定聚类类数N，并在X中随机选取N个对象作为初始聚类中心。设定迭代中止条件，比如最大循环次数或者聚类中心收敛误差容限。
进行迭代。根据相似度准则将数据对象分配到最接近的聚类中心，从而形成一类。初始化隶属度矩阵。
更新聚类中心。然后以每一类的平均向量作为新的聚类中心，重新分配数据对象。
反复执行第二步和第三步直至满足中止条件。

2.1数据采集与预处理

本文用户数据的来源于新浪微博网站，该网站是国内知名的微博社区。通过利用网络爬虫来实现数据的获取。具体抓取和处理过程如下:
1）提取每位用户基本的数据信息，包括用户的受教育情况，用户的年龄，用户从事的行业情况。
2）提取表征用户社区结构属性的数据资料，包括他关注的人数、关注他的人数、微博数、数四项数据。3）为了在网络分析时更加高效，对用户名称进行顺序编码。4）提取每位用户的关注对象名单，共得到8257条数据，以用户为单位进行保存。将所有的非数值型数据采用数值型来表示，为对用户进行聚类分析做好准备。

2.2 K均值聚类法代码及其对用户分类的实现

本文通过对k-meam聚类算法的分析，将聚类算法首次应用在微博中，实现对用户的分类，为微博用户的个性化服务和个性化营销提供依据。本文的创新点在与，实现了对用户智能的分类，开拓了微博应用的新的领域。
廉捷,周欣,曹伟,等.新浪微博数据挖掘方案[J].清华大学学报:自然科学版,2005,51(10): 1300-1305.
KANG Shulong,ZHANG Chuang. Complexity research of massively microblogging based on human behiors[C]//2010 2nd Inter? national Workshop on Database Technology and Applications,DBT A2010) Proceedin gs.Wu han,China:IEEE Comput er S ociety, 2010:1-4.