结合时空分布分析与用户关系分析的微博热点事件数据挖掘研究

发布时间：2020-02-06 18:31

【摘要】：近几年来,因微博引发的恶性事件层出不穷,造成了极其恶劣的社会影响,严重危害到社会的稳定。本研究对微博热点事件的传播规律和传播主体挖掘技术进行研究,以便科学应对微博热点事件的发生和发展,为相关部门监控微博热点事件、更好地对微博热点事件进行引导提供参考。综述研究表明针对网络热点事件的已有研究主要是对网络热点事件的各传播环节上的影响因素进行描述分析,较少深入到具体的实证案例当中,且分析的手段多以定性方法为主,定量方法的应用尚不多见。鉴于此,本文以“天津塘沽爆炸”事件、驳斥“避孕药黄鳝”新浪微博热点事件引发的新浪微博热点事件为实证研究对象,运用社会网络分析法、基于python的自然语言处理、基于地理标签的时空分布分析等数据挖掘方法,探索微博热点事件传播特点。采用的技术方法主要是:首先采用python编程从新浪微博网页上获取热点事件数据,然后经数据处理,最后借助数理统计工具和UCINET、QGIS等可视化软件工具生成结果图。分析结果表明,社会网络分析法、自然语言处理、时空分布分析法在微博热点事件传播研究方面的有效性得到了验证,为微博热点事件传播研究提供了新的思路。
【图文】：

社交,概略图,相关性,位置图

图 2.5 基于位置的社交网络概览基于位置的社交网络的概略图如图 2.5 所示，位置的添加创建了新的关系和相关基于位置的社交媒体数据分析关注以下三类图形间关系的挖掘：1）位置-位置图：在位置-位置图中，每个节点代表一个位置，每条带方向的边两个位置之间的关系。这种关系可从多种可能的角度进行解释。例如，可以指示两置间的距离，或者指示位置之间的相似性，，也可以通过用户活动进行连接。2）用户-位置图：在用户-位置图中，有两种类型的节点，用户和位置。每条边户开始在位置处结束，可指示用户的活动轨迹。3）用户-用户图：在用户-用户图中，每个节点是一个用户，连接节点的边代表之间的关系，作为：a）物理距离；b）朋友关系；c）从用户活动轨迹中衍生出的其系。根据这些图形、位置的语义以及位置的时间顺序，可以在基于位置的社交媒体上进行许多的分析。以下简要介绍最近的一些为创建准确的用户资料并提供个性化

协同过滤,推荐系统,主题搜索,价格范围

2.基于内容的推荐通过从位置中提取的特征，如标签、价格范围、分类，与用户的喜好进行匹配（如，收入、性别和种族），再来进行推荐。在该方法中，预测分值是基于匹配内容的似性测量和空间距离来进行计算的。基于连接分析的推荐。通过分析网络结构提取高质量的节点以及节点的封闭性。基于位置的推荐的研究范畴里，扩展了基于随机漫步的连接分析算法来提供位置推扩展了超链归纳主题搜索算法（Hypertext InducedTopicSearch,HITS），该算法是一种户体验和场所名气之间的增强迭代，来推荐有经验的用户以及兴趣位置，如图 2.6(示。基于协同过滤的推荐。协同过滤是传统推荐系统中使用最为广泛的模型。在基于置推荐范畴，扩展协同过滤模型的思想是：用户更可能访问被一些相似用户喜欢的位如图 2.6(a)所示，协同过滤方法被用在基于位置推荐系统中包含三个处理步骤：1）候对象选择；2）相似性推断；3）推荐分值预测。
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP393.092;TP391.1

【相似文献】