毕设开源 基于 K-means 算法的校园微博热点话题发现系统（源码+论文）

---

0 前言

基于 K-means 算法的校园微博热点话题发现系统

提示：适合用于课程设计或毕业设计，工作量达标，源码开放

---

1 项目说明

微博由其 “短平快 ” 的信息能力和快速传播能力 ，已广泛流行于高校学生的常生活中。但微博上的负面舆情信息给社会 、学校和个人带来巨大的危害 。由于微博的多而快特点 ，无法依赖人工对相关信息进行收集 、筛选和发掘热点话题 。因此研究并开发校园微博热点话题发现系统 ，对高校舆情工作有重要的意义。

本文从微博独有的短文本特征及国内外相关微博研究出发，通过对校园微博进行分类处理后使 用K-means聚类算法对校园微博短文本聚类，并改进热度计算公式，通过话题热度提取校园微博热点话题，实现对校园微博热点话题的监控。本文通过几个模块设计并现了校园微博热点话题发现系统，包括微博数据爬取模块 、微博数据预处理模块、微博热点话题分析模块、微博热点话 题展示模块等模块。最后以广州中医药大学的生 活类微博 — 广中医I栋为研究对象，对校园微博 各模块功能及相关技术进行介绍，并对相关模块进行测试验证，分析校园微博热点话题特点，总结系统的优点和不足，提出下一步改进的设想。

2 开发环境

• 硬件环境 ： 内存 12G、 硬盘容量 ： 100G、 CPU: 4 核
• 系统环境 ： 64 位 U buntu16.04 系统
• 数据库 ： MySQL、 Redis
• 开发语言与工具 ： Python、 Vim、 Pycharm
• 框架与相关库 ：Scikit-Learn、Flask、Numpy、Requets、Bea utifulSoup、 Celery、 Gunicorn

3 系统架构

校园微博舆情监控系统有四大模块，分别是校园微博文本获取模块 、微博文本预处理模块 、校园微博热点话题发现模块 、校园微博热点话题展示模块。

4 研究结果

本文以校园微博作为研究主体，结合微博的特点，通过研究热点话题相关技术，实现了一套校园微博热点话题发现系统。该系统主要由数据获取、微博数据预处理、K-means 聚类分析等模块组成。该系统为校园舆情人员及时发现热点话题带来了很大的帮助。

本文主要实现内容如下：

（1）使用Python爬虫技术并发获取微博页面 ，并使用 Python相关库快速提取微博文本内容 。

（2）观察校园微博的特点和传统文本的区别，根据校园微博短文本的特点进行数据预处理操作。

（3）针对于向量空间模型的高维度以及微博文本表示的稀疏性，通过改进的TF-IDF算法实现有效的降维和特征选择，解决了VSM特征向量的稀疏性问题。

（4）针对于传统K-means 算法存在的局部最优解问题，改进了 Kmeans 算法初始簇心选择，提高了 K-means聚类的准确性 。

（5）根据校园微博的特点，改进了热度计算的算法，提高了获取热点话题的准确性。

（6）实现热点话题发现系统可通过可视化界面进行操作，方便舆情管理人员从界面上获取热点话题信息 。

5 论文目录

摘 要
ABSTRACT
第 1 章 绪论
1.1 国内外研究现状与意义
1.2 本文创新点
1.3 论文写作思路
第 2 章 相关技术介绍
2.1 网络爬虫技术
2.2 中文分词技术
2.3 特征选择及权重计算
2.3.1 特征选择
2.3.2 特征权重计算
2.4 文本表示
2.4.1 布尔模型
2.4.2 概率模型
2.4.3 向量空间模型
2.5 文本聚类算法
2.5.1 距离算法
2.5.2 K-means 聚类算法
2.5.3 二分 K-means 聚类算法
第 3 章 校园微博热点话题发现系统设计与实现
3.1 系统设计目标及要求
3.1.1 系统设计目标
3.1.2 系统设计要求
3.2 系统详细架构设计
3.3 系统功能模块设计与实现
3.3.1 微博数据获取模块
3.3.2 微博文本预处理模块
3.3.2 校园微博热点话题发现模块
第 4 章 系统功能测试
4.1 系统运行环境和参数
4.2 实验数据及处理
4.3 系统可视化界面
4.3.1 数据获取界面
4.3.2 热点话题排行榜
4.3.3 热点话题热度直方图
4.3.4 敏感词展示
总结与展望
参考文献
致谢
附录

6 项目工程