TwitterUsersProfiling

从大量Twitter用户中找出有代表性的用户

实验步骤

[step1] 1.尝试基于混合属性的聚类方法 2.对聚类方法进行优化,提高效率

[step2] 1.在聚类结果中进行搜索,找出profile子集 2.对搜索过程进行优化,提高效率

[step3] 目前已完成的对比方法有: 1.最朴素的LocalSearch 2.先用k-mediods聚类,然后在质点的最近邻进行搜索添加代表性向量,多次迭代

[step4] 下一步: 完成Affinity Propagation的方法阅读矩阵求解方法

8-17日更新 [提出的方法] 先贪心算法+回溯法(减枝)

[对比方法] 局部搜索算法(LocalSearch),启发式算法(SA),聚类算法(k-medoids),PageRank

[已完成] 启发式算法,聚类算法,本论文提出方法

[待完成] PageRank,局部搜索算法

Name		Name	Last commit message	Last commit date
Latest commit History 92 Commits
.gitignore		.gitignore
AssignmentProblem.py		AssignmentProblem.py
DataPreProcessing.py		DataPreProcessing.py
DataPrepare.py		DataPrepare.py
Experiment.py		Experiment.py
GreedyAlgorithm.py		GreedyAlgorithm.py
Initial.py		Initial.py
KMedoids_Clustering.py		KMedoids_Clustering.py
Metric.py		Metric.py
NNClassifier.py		NNClassifier.py
Neo4j-Twitter.py		Neo4j-Twitter.py
PageRank.py		PageRank.py
README.md		README.md
S3.py		S3.py
SAalgo.py		SAalgo.py
TwitterWithNeo4j.py		TwitterWithNeo4j.py
UsersAnalyze.py		UsersAnalyze.py
XSN.py		XSN.py