大数据背景下， 高维旅游数据的急剧增长使得传统聚类算法效果欠佳，而熵加权子空间算法可有效地实现高维数据聚类， 获取特征对不同类的影响， 从而提升聚类效果。 文章通过爬取同程网上的部分云南游记数据， 获取有关云南旅游的游记信息； 借助中文分词、 关键词提取、 词性识别等自然语言处理技术， 并结合百度地图 ＡＰＩ 游记信息， 构建所需旅游数据矩阵； 基于用户—关键词矩阵， 采用熵加权子空间算法对旅游景点和作者进行聚类； 综合考虑邓恩指数和轮廓系数两个内部指标， 对聚类结果进行评价。 评价结果表明： 采用熵加权子空间算法对云南游记数据聚类时， 其集簇个数为 ３ 的效果最好。

Ｕｎｄｅｒ ｔｈｅ ｂａｃｋｇｒｏｕｎｄ ｏｆ ｂｉｇ ｄａｔａ， ｈｉｇｈ ｄｉｍｅｎｓｉｏｎａｌ ｄａｔａ ｉｎｃｒｅａｓｅ ｓｉｇｎｉｆｉｃａｎｔｌｙ ｍａｋｉｎｇｔｈｅ ｐｏｏｒ ｒｅｓｕｌｔ ｏｆ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｔｒａｄｉｔｉｏｎａｌ ｃｌｕｓｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ， ｂｕｔ ｔｈｅ ｅｎｔｒｏｐｙ ｗｅｉｇｈｔｉｎｇ ｋｍｅａｎｓｓｕｂｓｐａｃｅ ａｌｇｏｒｉｔｈｍ ｉｓ ｓｕｉｔａｂｌｅ ｆｏｒ ｈｉｇｈ ｄｉｍｅｎｓｉｏｎａｌ ｄａｔａ ｃｌｕｓｔｅｒｉｎｇ ａｎｄ ｃｏｕｌｄ ｏｂｔａｉｎ ｔｈｅ ｉｎｆｌｕｅｎｃｅ ｏｆｆｅａｔｕｒｅｓ ｏｎ ｄｉｆｆｅｒｅｎｔ ｃｌｕｓｔｅｒｓ ｗｈｉｃｈ ｉｍｐｒｏｖｅｓ ｔｈｅ ｃｌｕｓｔｅｒｉｎｇ ｅｆｆｅｃｔ． Ｔｈｉｓ ｐａｐｅｒ ｏｂｔａｉｎｅｄ ｐａｒｔ ｏｆ Ｙｕｎｎａｎｔｏｕｒｉｓｍ ｄａｔａ ｕｓｉｎｇ Ｐｙｔｈｏｎ ｍｉｎｉｎｇ ｏｎ ｔｈｅ ｄａｔａ ｏｆ Ｔｏｎｇｃｈｅｎｇｎｅｔｗｏｒｋ． Ｔｈｅ ｎａｔｕｒａｌ ｌａｎｇｕａｇｅ ｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｏｌｏｇｙ ｓｕｃｈ ａｓ Ｃｈｉｎｅｓｅ ｗｏｒｄ ｓｅｇｍｅｎｔａｔｉｏｎ， ｋｅｙｗｏｒｄ ｅｘｔｒａｃｔｉｏｎ， ｐａｒｔ ｏｆ ｓｐｅｅｃｈ ｒｅｃｏｇｎｉｔｉｏｎ ｉｓ ｕｓｅｄｔｏ ｍｉｎｅ ｔｈｅ ｔｒａｖｅｌ ｉｎｆｏｒｍａｔｉｏｎ ｉｎ ｃｏｍｂｉｎａｔｉｏｎ ｗｉｔｈ Ｂａｉｄｕ ｍａｐ ＡＰＩ ｔｏ ｂｕｉｌｄ ｔｈｅ ｒｅｑｕｉｒｅｄ ｔｏｕｒｉｓｍ ｄａｔａｍａｔｒｉｃｅｓ． Ｔｈｅ ｅｎｔｒｏｐｙ ｗｅｉｇｈｔｉｎｇ ｋｍｅａｎｓ ｓｕｂｓｐａｃｅ ａｌｇｏｒｉｔｈｍ ｉｓ ｕｓｅｄ ｔｏ ｃｌｕｓｔｅｒ ｔｏｕｒｉｓｔ ａｔｔｒａｃｔｉｏｎｓ ａｎｄａｕｔｈｏｒｓ ｂａｓｅｄ ｏｎ ｕｓｅｒｋｅｙｗｏｒｄ ｍａｔｒｉｘ． Ｔｈｅ ｃｌｕｓｔｅｒｉｎｇ ｒｅｓｕｌｔｓ ａｒｅ ｅｖａｌｕａｔｅｄ ｂｙ ｔｗｏ ｉｎｔｅｒｎａｌ ｉｎｄｅｘｅｓ：Ｄｕｎｎ ｉｎｄｅｘ ａｎｄ ｃｏｎｔｏｕｒ ｃｏｅｆｆｉｃｉｅｎｔ． Ｔｈｅ ｅｖａｌｕａｔｉｏｎ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｅｎｔｒｏｐｙ ｗｅｉｇｈｔｉｎｇ ｋｍｅａｎｓｓｕｂｓｐａｃｅ ａｌｇｏｒｉｔｈｍ ｈａｓ ｔｈｅ ｂｅｓｔ ｅｆｆｅｃｔ ｗｈｅｎ ｔｈｅ ｎｕｍｂｅｒ ｏｆ ｃｌｕｓｔｅｒｓ ｉｓ ３．