基于微博數(shù)據(jù)的處理與用戶行為分析.pdf_第1頁(yè)
已閱讀1頁(yè),還剩70頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,社交網(wǎng)絡(luò)在人們的日常生活中扮演著越來(lái)越重要的角色,同時(shí)也在改變著信息的傳播方式,從原來(lái)的平面媒體與電視廣播相結(jié)合到現(xiàn)在多元化平臺(tái)的改變。人們獲取熱門信息和自己感興趣的信息的方式也與社交網(wǎng)絡(luò)變得越來(lái)越密不可分。伴隨而來(lái)的是通過(guò)分析大量的用戶數(shù)據(jù)對(duì)用戶的各種行為進(jìn)行深度挖掘,從而優(yōu)化信息傳遞效率,節(jié)約人們從海量信息中提取對(duì)自身有價(jià)值信息的時(shí)間,并挖掘其潛在的巨大的商業(yè)價(jià)值。國(guó)外社交網(wǎng)絡(luò)Facebook與Twitte

2、r的巨大成功也在很大程度上促進(jìn)了國(guó)內(nèi)社交網(wǎng)絡(luò)平臺(tái)的發(fā)展。
  本文以國(guó)內(nèi)的熱門社交網(wǎng)絡(luò)平臺(tái)新浪微博的用戶信息與微博信息為研究對(duì)象,主要完成了以下四個(gè)方面的工作。
  第一,研究了目前比較流行的網(wǎng)絡(luò)爬蟲技術(shù)。通過(guò)比較和綜合分析,設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)分別對(duì)微博內(nèi)容、用戶信息、用戶關(guān)系信息、微博關(guān)系信息等數(shù)據(jù)進(jìn)行采集并存儲(chǔ),然后利用獲取到的數(shù)據(jù)按需進(jìn)行特征提取的數(shù)據(jù)采集系統(tǒng)。對(duì)于獲取到的微博數(shù)據(jù),根據(jù)數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系設(shè)計(jì)了相應(yīng)的數(shù)據(jù)

3、庫(kù)。此外,在爬取數(shù)據(jù)的過(guò)程中,不僅使用多線程技術(shù)大幅提高了爬蟲的工作效率,還設(shè)計(jì)了多APP Key復(fù)用機(jī)制,突破了新浪對(duì)API調(diào)用次數(shù)的限制,從而使爬蟲系統(tǒng)可以持續(xù)工作運(yùn)行。
  第二,為了對(duì)用戶的轉(zhuǎn)發(fā)行為進(jìn)行預(yù)測(cè),并找出對(duì)用戶轉(zhuǎn)發(fā)行為有重要影響的微博特征,本文通過(guò)研究新浪微博包括用戶和微博內(nèi)容在內(nèi)的13項(xiàng)特征,進(jìn)行機(jī)器學(xué)習(xí),建立了特征分析模型,找出影響微博轉(zhuǎn)發(fā)的重要因子。首次對(duì)特征因子組合進(jìn)行研究,探求特征之間的關(guān)聯(lián)程度。同時(shí)用

4、不同的機(jī)器學(xué)習(xí)算法進(jìn)行模型訓(xùn)練比較最后的預(yù)測(cè)結(jié)果,找出預(yù)測(cè)準(zhǔn)確率最高的算法。
  第三,針對(duì)情感預(yù)測(cè)問(wèn)題,建立了基于混合分類器的情感預(yù)測(cè)模型(HybridClassifier Sentiment Prediction Model,簡(jiǎn)稱HCSPM)。該模型針結(jié)合四種常見的機(jī)器學(xué)習(xí)分類算法,提取了四個(gè)不同分類器的預(yù)測(cè)標(biāo)簽和預(yù)測(cè)得分,通過(guò)加權(quán)計(jì)算,對(duì)微博的情感分類進(jìn)行預(yù)測(cè)。
  第四,為了對(duì)提高研究過(guò)程中的實(shí)驗(yàn)效率和對(duì)實(shí)驗(yàn)結(jié)果更加

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論