微博上大学生用户特征分析与识别研究

发布时间：2024-02-19 20:56

　　随着信息时代的到来，社交网络给人们的生活带来了许多变化。当代大学生是最乐于尝试和接受新鲜事物的年轻群体，近年来社交网络在校园里面已经非常流行，也给学生们的学习生活带来了重大影响。本文的研究目的在于分析大学生群体使用社交网络的行为特征，并且利用机器学习的方法构建出大学生用户分类器，为高校学生教育管理提供支持。本文从新浪微博上随机选出了3000个用户，采用统计分析和机器学习的方法对数据进行分析和实验。本文研究的主要内容包括： 首先，新浪微博大学生用户群体特征分析。本文从新浪微博上以人工标注的方式随机选取了1502个大学生用户和1498个非大学生用户，获取了他们的基本信息和微博信息。通过对数据的分析，总结出大学生群体使用社交网络的基本情况和社交情况。 其次，社交网络上大学生用户识别方法。本文以获取的3000个用户为实验样本，以微博关键词和教育机构作为属性特征，利用四种机器学习的方法对大学生用户进行分类识别。实验结果表明，机器学习可以成功地用于大学生用户识别。 最后，本文根据国内外对于社交网络环境下高校学生教育的研究现状，结合上述研究成果和理论基础，从完善制度、建立监管体系和加强学生教育三个方...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 问题的提出
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 国内外关于大学生与社交网络的研究现状
        1.2.2 国内外文献综述的简析
    1.3 研究内容和研究方法
        1.3.1 研究内容
        1.3.2 研究方法
    1.4 论文结构框架
第2章 理论基础
    2.1 社交网络理论
        2.1.1 社交网络的概念及发展概况
        2.1.2 复杂网络理论及其发展概况
        2.1.3 新浪微博发展概述
    2.2 机器学习理论
        2.2.1 机器学习理论的概念及发展概况
        2.2.2 机器学习的具体应用方法
    2.3 本章小结
第3章 新浪微博大学生用户群体特征分析
    3.1 研究方法简介
        3.1.1 大学生用户筛选与标注
        3.1.2 新浪微博大学生用户数据信息
    3.2 大学生用户群体特征分析
        3.2.1 大学生使用社交网络的基本情况
        3.2.2 大学生在社交网站上的人际交往情况
    3.3 本章小结
第4章 社交网络上大学生用户识别及教育管理对策
    4.1 大学生用户数据的收集、预处理及属性选择
    4.2 大学生用户识别模型构建
        4.2.1 朴素贝叶斯
        4.2.2 深度信念网络
        4.2.3 支持向量机
        4.2.4 分类回归树算法
        4.2.5 大学生用户分类识别流程
    4.3 实验结果讨论
    4.4 社交网络环境下大学生教育管理建议
        4.4.1 建立适用于现代社会的教育管理制度
        4.4.2 构建大学生社交网络安全监管体系
        4.4.3 加强大学生网络教育引导职能
    4.5 本章小结
结论
参考文献
附录
致谢



本文编号：3903303