lyx___vvv的博客

•拉普拉斯矩阵 •图划分 •谱聚类

igraph 提供了许多图论算法，例如我们熟知的最短路径、最大流最小割、最小生成树等。

文本数据挖掘的一个基本问题是提取有意义的结构从随时间连续到达的文档流中获取。电子邮件和新闻文章这是这种流的两个自然例子，每个流的特征都是出现的主题，在一段时间内强烈增长，然后逐渐消失。已发表的文献在某一特定的研究领域中，可以看到类似的现象超过了许多更长的时间尺度。这一领域的大部分文本挖掘工作的基础如下 直观的前提——文档流中主题的出现是有信号的通过“突发活动”，以某些特征为主题的频率急剧上升出现了。 当前工作的目标是开发一种形式化的方法来建模这样的“爆发”，以这样一种方式，它们可以被鲁棒和有效地识别，并且可以提供用于分析底层内容的组织框架。ap方法基于使用无限状态自动机对流进行建模，其中爆发作为状态转换自然出现;这可以看作是一种类比 利用突发网络流量的排队理论模型。得到的算法是高效的，并产生一个嵌套的表示的爆发集合，强加整个流上的层次结构。用电子邮件和研究做实验文献资料表明，由此产生的结构在术语上具有自然意义 关于产生它们的内容。