微博內(nèi)容的采集、分析及其可視化研究.pdf

1、隨著微博、微信等社交媒體的發(fā)展，智能終端的不斷涌現(xiàn)，這些新興事物在改變?nèi)藗兩罘绞降耐瑫r(shí)，也帶來(lái)了體積龐大、多重維度、非結(jié)構(gòu)化的信息數(shù)據(jù)。多數(shù)研究者認(rèn)為，這些數(shù)據(jù)是這個(gè)時(shí)代賜予的寶藏，面向數(shù)據(jù)科學(xué)的研究也愈演愈熱。本文從三個(gè)方面論述了面向新浪微博數(shù)據(jù)的研究工作:首先是微博數(shù)據(jù)的采集，其次是基于用戶(hù)微博數(shù)據(jù)的情感新詞發(fā)現(xiàn)，最后是基于微博轉(zhuǎn)發(fā)數(shù)據(jù)的傳播網(wǎng)絡(luò)可視化研究。
　　(1)針對(duì)新浪微博數(shù)據(jù)采集方法，本文首先對(duì)比分析了兩種不同的新

2、浪微博模擬登錄驗(yàn)證方式，分別探討了兩種方法的利弊。其次，在獲取驗(yàn)證之后，介紹了新浪微博四類(lèi)數(shù)據(jù)的采集過(guò)程，分別為用戶(hù)個(gè)人信息，用戶(hù)微博信息，用戶(hù)關(guān)注列表和單條微博的轉(zhuǎn)發(fā)和評(píng)論數(shù)據(jù)，為后續(xù)的研究奠定了語(yǔ)料基礎(chǔ)。
　　(2)針對(duì)用戶(hù)的新浪微博數(shù)據(jù)，由于其口語(yǔ)化、非正式等特點(diǎn)，常常伴有大量情感未登錄新詞出現(xiàn)，本文基于用戶(hù)的微博數(shù)據(jù)進(jìn)行了詞語(yǔ)級(jí)情感傾向性判斷的研究。首先采用基于統(tǒng)計(jì)量的方法，識(shí)別微博語(yǔ)料中的新詞，然后利用神經(jīng)網(wǎng)絡(luò)去訓(xùn)練語(yǔ)料

3、中詞語(yǔ)的詞向量，獲取詞語(yǔ)之間的內(nèi)在聯(lián)系，最后提出了基于詞向量的情感新詞發(fā)現(xiàn)方法。從實(shí)驗(yàn)結(jié)果來(lái)看，本文的方法具有一定的實(shí)用價(jià)值。
　　(3)針對(duì)新浪微博的轉(zhuǎn)發(fā)數(shù)據(jù)，本文對(duì)單條微博的傳播過(guò)程做了WEB可視化的分析。首先通過(guò)微博轉(zhuǎn)發(fā)數(shù)據(jù)，構(gòu)建傳播網(wǎng)絡(luò)。然后根據(jù)轉(zhuǎn)發(fā)者個(gè)人信息數(shù)據(jù)，從三個(gè)方面:節(jié)點(diǎn)的篩選、層次化的信息展示以及交互式功能的設(shè)計(jì)論述了可視化的實(shí)現(xiàn)過(guò)程。通過(guò)可視分析的方式，簡(jiǎn)單、快速的找出微博傳播過(guò)程中至關(guān)重要的節(jié)點(diǎn)，判斷消息傳