發(fā)布時間：2024-03-26 19:29

　　隨著社交網(wǎng)絡的發(fā)展與普及,每天產(chǎn)生的數(shù)據(jù)量都在以億級別的速度驟增,通過對用戶在社交媒體上發(fā)表的言論進行數(shù)據(jù)分析,可以得出很多有價值的信息。目前,在新浪微博這個主流社交媒體上發(fā)展的數(shù)據(jù)研究已經(jīng)取得了一定的成果,但是在社群發(fā)現(xiàn)上使用的方法豐富性仍然有所欠缺。本文旨在研究社群發(fā)現(xiàn)上提出一種新的思路,從微博內(nèi)容的關(guān)鍵詞出發(fā),找出具有相似特征的群體,主要內(nèi)容如下:首先,本文根據(jù)新浪微博的數(shù)據(jù)分布結(jié)構(gòu),用戶粉絲群,用戶信息等特征,提出一種新的數(shù)據(jù)爬取策略,以用戶ID為出發(fā)點,選取種子用戶,爬取用戶的粉絲群,資料特征,微博內(nèi)容,微博下互動情況等信息,并根據(jù)收集到的數(shù)據(jù),提出了數(shù)據(jù)過濾等方法。其次,本文對收集到的數(shù)據(jù),從微博的地區(qū)分布、微博發(fā)布時間、微博互動等角度進行了分析,從這幾個方面找出了數(shù)據(jù)集中用戶使用微博的特點,了解到用戶在微博上的習慣與互動特點。根據(jù)微博互動性,以互動關(guān)系代替了傳統(tǒng)的關(guān)注關(guān)系,引入熵力模型繪制出了社交網(wǎng)絡圖,找出了數(shù)據(jù)集的互動特點。最后,本文從微博關(guān)鍵詞出發(fā),使用TF-IDF算法進行詞權(quán)計算,找出每個用戶具有代表性的詞權(quán)值,使用K-MEANS算法對所有用戶進行聚類,統(tǒng)計出7種...

【文章頁數(shù)】：45 頁

【學位級別】：碩士

【部分圖文】：

圖1-1文章技術(shù)路線圖

新疆大學碩士研究生學位論文1.3研究內(nèi)容與論文結(jié)構(gòu)全文共有五章，內(nèi)容安排如下：第一章：緒論，本章內(nèi)容主要介紹了研究意義與背景、國內(nèi)外研究現(xiàn)狀。第二章：新浪微博數(shù)據(jù)的爬取方法與數(shù)據(jù)過濾方法。第三章：對所爬取的數(shù)據(jù)，從微博的地區(qū)分布、微博發(fā)布時間、用戶互動等角度進行了分析。第四章：....

圖2-1獲取數(shù)據(jù)流程圖

新疆大學碩士研究生學位論文取該用戶的所有微博頁面戶ID進行爬取（即對每個的數(shù)據(jù)保存到txt文本中。，每位用戶爬取前200名0名）的數(shù)據(jù)，重復此方法

圖3-1用戶地區(qū)分布

8圖3-1用戶地區(qū)分布如圖3-1所示，可見，用戶的所在地遍布全國各地。圖中，顏色區(qū)域代表有微博用戶出現(xiàn)。3.2數(shù)據(jù)微博發(fā)布特點分析每個用戶的粉絲數(shù)，關(guān)注數(shù)，微博數(shù)一定程度上反映著該用戶在社交媒體中的影響力，受歡迎程度以及活躍度，研究群體的整體數(shù)量分布有助于了解這個

圖3-2關(guān)注分布直方圖

圖3-2關(guān)注分布直方圖注數(shù)低于64的用戶：粉絲數(shù)低于32的占比例67.5%64.3%�？梢姡P(guān)注數(shù)在此區(qū)間的用戶主要為低活躍型64-256的用戶：粉絲數(shù)在64-256的比例為47.3%，絲數(shù)在64以下的比例為20.1%，為閱讀性用戶（關(guān)絲數(shù)在102....

本文編號：3939573