基于大數據的社交網絡數據挖掘.pdf

1、萬事萬物都有聯系，人們與社交網絡相互聯系，與信息，組織，所在地相互聯系，只對個體進行研究所獲得成果是有限的，所以要對整個系統(tǒng)進行研究，而這個系統(tǒng)就是一個社交網絡。社交網絡分析由圖論，數學以及社會學中的社交網絡理論發(fā)展而來，在最近的這10-15年中，網絡分析還借助計算機科學，物理學，生物學和經濟學等不同領域的發(fā)展。與常規(guī)的網絡數據分析相比，基于社交網絡的數據分析，分析對象非常明確，分析的形式多種多樣，分析的方法和內容更多。若將常規(guī)的分析方

2、法應用到社交網絡數據分析中，我們會發(fā)現分析的結果達不到我們的預期效果。就當前的數據分析方法、數據模型和社交網絡數據，本文從數據的獲取、數據的清洗加工、數據模型應用并在應用過程中對模型進行優(yōu)化，形成的數據分析結果如何為管理者進行決策進行了一系列的研究。
　　本文先從斯坦福大學的Stanford Large Network Dataset Collection中下載Amazonnetworks數據，探討了從抓取數據、清洗數據、預處理數

3、據、探索數據、選擇合適的算法、建立相關模型到最終分析評估的全過程。先用Python對預處理數據，導入數據庫，并用Clementine12.0分析其中客戶購買產品后評價的有效性，并評估此評價是否會對其他客戶購買該產品產生影響，采用數據挖掘技術可挖掘出數據背后的信息。
　　數據挖掘中的聚類分析是將相似度較高的用戶聚成一個類，然后再進行數據分析。本文對客戶評價的次數，評價的時間，評價的頻次，評價的得分進行聚類分析，最后對分析過程中運用的