社交網(wǎng)絡(luò)中的數(shù)據(jù)挖掘與分析.pdf

1、首先，隨著互聯(lián)網(wǎng)的快速發(fā)展和日新月異的變革，我們被龐大的指數(shù)數(shù)據(jù)所包圍。每天來自電子商務(wù)、科學(xué)領(lǐng)域、社交網(wǎng)絡(luò)等的海量數(shù)據(jù)存儲于互聯(lián)網(wǎng)和各種數(shù)據(jù)存儲設(shè)備中。其次移動互聯(lián)網(wǎng)的發(fā)展促進了社交網(wǎng)絡(luò)的發(fā)展和流行。我們可以通過微博、Twitter等社交平臺發(fā)表自己的觀點、見解和心情，通過社交網(wǎng)絡(luò)使得我們的人脈資源更加豐富。本文通過微博社交平臺的海量數(shù)據(jù)進行數(shù)據(jù)挖掘，實現(xiàn)話題發(fā)現(xiàn)和網(wǎng)絡(luò)輿情的監(jiān)測。對微博短文本數(shù)據(jù)進行話題提取，監(jiān)測消極信息和謠言的擴散

2、并及時的對其控制和跟蹤，保證社會的穩(wěn)定和安全。數(shù)據(jù)挖掘可以從雜亂、海量的數(shù)據(jù)中挖掘出有趣的知識或模式，對經(jīng)濟、政治以及人們的生產(chǎn)和生活都產(chǎn)生積極的指導(dǎo)作用。
　　本文首先簡單闡述了通過爬蟲、新浪微博API兩種方法分別獲取新浪微博數(shù)據(jù)；然后通過對社交網(wǎng)絡(luò)平臺新浪微博文的分析，提出了針對微博文短文本分類的特征擴展方法；通過對常用算法分析和對比最后選擇Single-Pass應(yīng)用于微博話題發(fā)現(xiàn)。Single-Pass算法嚴重依賴文本輸入順