基于密度峰值优化K-means聚类算法的微博舆情分析

通过自行开发的爬虫脚本，在新浪微博抓取不同的关键词，形成文本数据集，对中文分词、去阻词、权重计算等数据信息进行预处理，然后使用改进的聚类算法对文本进行聚类。针对K－means算法随机选择初始聚类中心，后期容易收敛且不能保证全局优化的问题，提出了一种改进的密度峰值算法。实验结果表明，与传统的K－means算法聚类算法相比，改进后的聚类算法更有效、更稳定，提高了微博舆情发现的准确性和效率。