面向微博用戶行為數據挖掘的爬蟲系統設計與實現.pdf_第1頁
已閱讀1頁,還剩59頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著互聯網的高速發(fā)展,大部分用戶逐漸習慣于網絡社交,因此社交平臺(微博)已成為信息交流和傳播的一個重要途徑。爬蟲技術能從社交平臺上爬取大量真實用戶留下的信息數據,數據挖掘技術能從這些大量的用戶數據中分析出隱藏信息。利用這兩項技術,能使企業(yè)挖掘出用戶需求和為相關機構提供監(jiān)控輿論理論基礎。
  本文以國內用戶量龐大的社交平臺新浪微博作為研究對象,對如何構建一個搞笑的爬蟲系統做了深入研究,并使用主題模型對抓取的數據進行了簡單的數據挖掘。

2、本文開始首先介紹了用到的相關技術知識,這些知識對后續(xù)的研究實踐非常重要。之后通過詳細的需求分析將爬蟲模塊解耦為幾個模塊,每個模塊獨立運行,這樣也方便部署在任何網絡聯通的環(huán)境下運行,通過使用這種方式可以動態(tài)地添加數據采集器,兩個分布在不同機器上的采集器通過調度器能同時采集同種數據。從微博平臺上定向地采集大量數據之后,使用中文分詞技術將每個用戶發(fā)布的所有微博進行分詞,使用TF_IDF技術從中提取出權重最大的350各單詞來形成一個用戶文檔,再

溫馨提示

  • 1. 本站所有資源如無特殊說明,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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論