基于大數(shù)據(jù)的社交網(wǎng)絡(luò)數(shù)據(jù)挖掘.pdf

1、萬(wàn)事萬(wàn)物都有聯(lián)系，人們與社交網(wǎng)絡(luò)相互聯(lián)系，與信息，組織，所在地相互聯(lián)系，只對(duì)個(gè)體進(jìn)行研究所獲得成果是有限的，所以要對(duì)整個(gè)系統(tǒng)進(jìn)行研究，而這個(gè)系統(tǒng)就是一個(gè)社交網(wǎng)絡(luò)。社交網(wǎng)絡(luò)分析由圖論，數(shù)學(xué)以及社會(huì)學(xué)中的社交網(wǎng)絡(luò)理論發(fā)展而來(lái)，在最近的這10-15年中，網(wǎng)絡(luò)分析還借助計(jì)算機(jī)科學(xué)，物理學(xué)，生物學(xué)和經(jīng)濟(jì)學(xué)等不同領(lǐng)域的發(fā)展。與常規(guī)的網(wǎng)絡(luò)數(shù)據(jù)分析相比，基于社交網(wǎng)絡(luò)的數(shù)據(jù)分析，分析對(duì)象非常明確，分析的形式多種多樣，分析的方法和內(nèi)容更多。若將常規(guī)的分析方

2、法應(yīng)用到社交網(wǎng)絡(luò)數(shù)據(jù)分析中，我們會(huì)發(fā)現(xiàn)分析的結(jié)果達(dá)不到我們的預(yù)期效果。就當(dāng)前的數(shù)據(jù)分析方法、數(shù)據(jù)模型和社交網(wǎng)絡(luò)數(shù)據(jù)，本文從數(shù)據(jù)的獲取、數(shù)據(jù)的清洗加工、數(shù)據(jù)模型應(yīng)用并在應(yīng)用過(guò)程中對(duì)模型進(jìn)行優(yōu)化，形成的數(shù)據(jù)分析結(jié)果如何為管理者進(jìn)行決策進(jìn)行了一系列的研究。
　　本文先從斯坦福大學(xué)的Stanford Large Network Dataset Collection中下載Amazonnetworks數(shù)據(jù)，探討了從抓取數(shù)據(jù)、清洗數(shù)據(jù)、預(yù)處理數(shù)

3、據(jù)、探索數(shù)據(jù)、選擇合適的算法、建立相關(guān)模型到最終分析評(píng)估的全過(guò)程。先用Python對(duì)預(yù)處理數(shù)據(jù)，導(dǎo)入數(shù)據(jù)庫(kù)，并用Clementine12.0分析其中客戶購(gòu)買產(chǎn)品后評(píng)價(jià)的有效性，并評(píng)估此評(píng)價(jià)是否會(huì)對(duì)其他客戶購(gòu)買該產(chǎn)品產(chǎn)生影響，采用數(shù)據(jù)挖掘技術(shù)可挖掘出數(shù)據(jù)背后的信息。
　　數(shù)據(jù)挖掘中的聚類分析是將相似度較高的用戶聚成一個(gè)類，然后再進(jìn)行數(shù)據(jù)分析。本文對(duì)客戶評(píng)價(jià)的次數(shù)，評(píng)價(jià)的時(shí)間，評(píng)價(jià)的頻次，評(píng)價(jià)的得分進(jìn)行聚類分析，最后對(duì)分析過(guò)程中運(yùn)用的