[Research]算法框架

（一）Extend

package extend;
/* 
	基于CCD的微博词扩展
	将CCD原节点中的所有词加入到微博中
*/
// 从filename这个文件读取分好词的微博，然后构建ArrayList<HashMap<String, Integer>> HM_Seg结构
//	ArraryList每个元素（HashMap<String, Integer>）代表一条微博。微博中的每个词是一个<String, Integer>对
//	String表示这个单词，Integer是这个词在这句中出现的次数
public void expandSeg(String filepath)

（二）Integrate

package integrate;
/*
	根据相同词比率，按一定的threshold进行合并
*/
// 按设置的threshold对上面的extend得到的 ArrayList<HashMap<String, Integer>> 进行合并，
// 得到：HashMap<HashMap<String, Integer>, Integer> eqlClass
//	对每条微博添加了一个域Integer用于指示这条微博属于哪个等价类
public int combine1(double threshold)

// 得到等价类的微博集以后，计算微博词的TF IDF。
// 得到：ArrayList< Pair<String, Pair<TF, IDF>>, 
//					Integer> >
// 为每个单词增加了一个Pair<TF, IDF>

（三）Cluster

package cluster
/*
	使用Hierarchical Clustering Model
*/
// 不断在root下构建新的一层结点，得到层级聚类的结果
void hieCLuster()
...
/*
	使用java-ml 中的聚类算法
*/
// K-means
// 	构建java-ml需要使用的数据结构dataset<instance>
//		instance<double[], Object>表示一条微博，double[]是这条微博的attributes，Object是指示这条微博
//		dataset是instance的集合
//	得到：dataset []clusters
dataset [] KMeans(dataset weibo);