改进的Apriori算法在微信热点分析中的应用研究

随着互联网技术的发展,基于移动端的新媒介不断涌现。微信因其内容微型化、可迅速传播扩散,支持实时对讲,且集社交、通讯、平台与一体等特点,受到国内外用户的高度认可。微信中常常会出现热点现象,即某个话题在较短的时间内成为访问和谈论较多的热门话题。正面的热点现象会具有良好的传播效应,负面的热点现象将影响网络环境的和谐。因此,基于微信的热点分析成为了新的研究课题。本文将微信热点分析与关联规则挖掘技术相结合,运用关联规则算法提取隐藏在微信数据背后的有价值的信息。即根据当前微信热点话题所涉及的热点词,发掘热点词之间的强关联规则,分析出热点话题中具有较强代表性的词组。为了提升处理微信数据的效率,保证数据分析的质量,本文对关联规则算法中的Apriori算法做了一些改进。算法改进的思想是将上三角支持度矩阵与事务二进制向量相融合,提高了生成频繁2-项集的速度,旨在改善算法执行效率的同时,保障热点词之间强关联规则的有效性。实验结果表明：基于同一组实验数据,不同事务数、不同支持度阈值、不同项目数等条件下,改进的算法比传统Apriori算法具有更好的执行效率。同时,将改进的算法应用于微信数据中,可以有效的提取热点事件中热点词之间的强关联规则,实现了微信热点分析与关联规则挖掘技术的结合,达到了预期的效果。基于以上理论分析与实验证明,本课题为今后微信的舆情分析和热点监测的深入研究,奠定了一定的理论和技术基础。