基于知乎社区的数据集分析姜智文组.pptx
《基于知乎社区的数据集分析姜智文组.pptx》由会员分享,可在线阅读,更多相关《基于知乎社区的数据集分析姜智文组.pptx(19页珍藏版)》请在装配图网上搜索。
基于知乎社区的数据集分析,组长:姜智文组员:陈池罗旭东张钧驰黄莹魏伟,什么是知乎,知乎是一个真实的网络问答社区,社区氛围友好与理性,连接各行各业的精英。他们分享着彼此的专业知识、验经和见解,为中文互联网源源不断地提供高质量的信息。用户围绕着某一感兴趣的话题进行相关的讨论,同时你可以关注和你兴趣一致的人。对于概念性的解释,网络百科几乎涵盖了你所有的疑问;但是对于发散思维的整合,却是知乎的一大特色。知乎鼓励在问答过程中进行讨论,以拓宽问题的发散性。在回答的时候,答案顺序按赞同票数排序,赞同票数相同的情况下按个人PR值排序,同时隐藏被认为无效的答案。这在一定程度上过滤了相当的垃圾信息。,项目目标:分析知乎知识领域中最有影响力的用户,数据采集,数据处理,数据分析,结果验证,使用Java爬取了和IT领域相关联的383个问题,共65536条有效回答,使用C+进行数据录入、处理和相关影响力节点分析,选取上述发现的影响力节点,登陆知乎进行验证,证明了方法的有效性,实现方法,数据采集,网络爬虫,工具:HtmlUnit语言:Java模拟用户登陆使用URL直接定位到topiceg:互联网话题-有哪些知乎用户推荐的物品,你买了以后觉得并不好用?-,数据格式,原始数据,数据格式:问题ID、问题名称、回答ID、问题评分、作者ID、作者姓名、写作时间、赞同数量、评论数目、内容文本长度,处理后数据,数据分析,主要研究参数:赞同数目(A)评论数量(B)内容文本长度(C)(A+B)、(A+B+C)、(A+B)/C采取策略:rank,分析结果及验证,A+B,分析结果及验证,分析结果及验证,A+B+C,分析结果及验证,“水军”居多,分析结果及验证,(A+B)/C,分析结果及验证,结论与展望,作业总结:1.实现了在动态网页上的数据爬取2.实现了指定话题中的有影响力检测3.实现了网络水军的探测问题展望:1.针对一个更加细分的领域做更加充分的数据采集2.改善rank策略,更加有效的利用采集到的参数,谢谢!,- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 社区 数据 分析 姜智文组
装配图网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
关于本文