3-基于知乎社區(qū)的數據集分析-姜智文組_第1頁
3-基于知乎社區(qū)的數據集分析-姜智文組_第2頁
3-基于知乎社區(qū)的數據集分析-姜智文組_第3頁
3-基于知乎社區(qū)的數據集分析-姜智文組_第4頁
3-基于知乎社區(qū)的數據集分析-姜智文組_第5頁
已閱讀5頁，還剩14頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、基于知乎社區(qū)的數據集分析組長：姜智文組員：陳池 羅旭東 張鈞馳 黃瑩 魏偉什么是知乎知乎是一個真實的網絡問答社區(qū)，社區(qū)氛圍友好與理性，連接各行各業(yè)的精英。他們分享著彼此的專業(yè)知識、驗經和見解，為中文互聯網源源不斷地提供高質量的信息。用戶圍繞著某一感興趣的話題進行相關的討論，同時你可以關注和你興趣一致的人。對于概念性的解釋，網絡百科幾乎涵蓋了你所有的疑問；但是對于發(fā)散思維的整合，卻是知乎的一大特色。知乎鼓勵在問答過程中進行討論，以拓寬問題的發(fā)散性。在回答的時候，答案順序按贊同票數排序，贊同票數相同的情況下按個人PR值排序，同時隱藏被認為無效的答案。這在一定程度上過濾了相當的垃圾信息。項目目標：分

2、析知乎知識領域中最有影響力的用戶數據采集數據處理數據分析結果驗證使用Java 爬取了和IT領域相關聯的383個問題，共65536條有效回答使用C+進行數據錄入、處理和相關影響力節(jié)點分析選取上述發(fā)現的影響力節(jié)點，登陸知乎進行驗證，證明了方法的有效性實現方法數據采集網絡爬蟲工具：HtmlUnit語言：Java模擬用戶登陸使用URL直接定位到topic eg：互聯網話題 - http:/ 模擬用戶點擊每個question有哪些知乎用戶推薦的物品，你買了以后覺得并不好用？ - http:/統(tǒng)計每個answer信息，并錄入到數據庫中數據格式名稱含義questionID問題IDquestionName問題

3、名稱anwerId回答IDScore不用管，無用writerId作者IDwriterName作者姓名createdTime寫作時間voteNum“頂”的數量commentNum評論數目Length內容文本長度原始數據數據格式：問題ID、問題名稱、回答ID、問題評分、作者ID、作者姓名、寫作時間、贊同數量、評論數目、內容文本長度處理后數據數據分析主要研究參數：贊同數目（A）評論數量（B）內容文本長度（C）（A+B）、（A+B+C）、（A+B）/C采取策略：rank分析結果及驗證A+B分析結果及驗證分析結果及驗證A+B+C分析結果及驗證“水軍”居多分析結果及驗證(A+B)/C分析結果及驗證結論與展望作業(yè)總結：1.實現了在動態(tài)網頁上的數據爬取2.實現了指定話題中的有影響力檢測3.實現了網絡水軍的探測問題展望：

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論