一种面向社会化标签的并行双聚类算法

随着社会化网络的快速发展,社会化数据呈现爆炸式增长,挖掘社会化数据的局部信息成为有效利用社会化数据的研究热点。相对于传统聚类方法,双聚类能够更好地挖掘社会化数据中的局部信息。较高的计算复杂度成为使用双聚类挖掘大数据集中局部信息的关键问题。通过对几何双聚类产生过程的研究与分析,提出了一种改进的并行几何双聚类方法。该方法通过过滤子双聚类合并过程中产生无效的子双聚类,降低算法的计算量,而且利用多核计算机的优势,使用并行算法,从而提高双聚类算法的效率。