3-基于知乎社區(qū)的數(shù)據(jù)集分析-姜智文組

1、基于知乎社區(qū)的數(shù)據(jù)集分析組長(zhǎng)：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(gè)真實(shí)的網(wǎng)絡(luò)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(shí)、驗(yàn)經(jīng)和見解，為中文互聯(lián)網(wǎng)源源不斷地提供高質(zhì)量的信息。用戶圍繞著某一感興趣的話題進(jìn)行相關(guān)的討論，同時(shí)你可以關(guān)注和你興趣一致的人。對(duì)于概念性的解釋，網(wǎng)絡(luò)百科幾乎涵蓋了你所有的疑問；但是對(duì)于發(fā)散思維的整合，卻是知乎的一大特色。知乎鼓勵(lì)在問答過程中進(jìn)行討論，以拓寬問題的發(fā)散性。在回答的時(shí)候，答案順序按贊同票數(shù)排序，贊同票數(shù)相同的情況下按個(gè)人PR值排序，同時(shí)隱藏被認(rèn)為無效的答案。這在一定程度上過濾了相當(dāng)?shù)睦畔?。?xiàng)目目標(biāo)：分

2、析知乎知識(shí)領(lǐng)域中最有影響力的用戶數(shù)據(jù)采集數(shù)據(jù)處理數(shù)據(jù)分析結(jié)果驗(yàn)證使用Java 爬取了和IT領(lǐng)域相關(guān)聯(lián)的383個(gè)問題，共65536條有效回答使用C+進(jìn)行數(shù)據(jù)錄入、處理和相關(guān)影響力節(jié)點(diǎn)分析選取上述發(fā)現(xiàn)的影響力節(jié)點(diǎn)，登陸知乎進(jìn)行驗(yàn)證，證明了方法的有效性實(shí)現(xiàn)方法數(shù)據(jù)采集網(wǎng)絡(luò)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(lián)網(wǎng)話題 - http:/ 模擬用戶點(diǎn)擊每個(gè)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(jì)每個(gè)answer信息，并錄入到數(shù)據(jù)庫中數(shù)據(jù)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(shí)間voteNum“頂”的數(shù)量commentNum評(píng)論數(shù)目Length內(nèi)容文本長(zhǎng)度原始數(shù)據(jù)數(shù)據(jù)格式：?jiǎn)栴}ID、問題名稱、回答ID、問題評(píng)分、作者ID、作者姓名、寫作時(shí)間、贊同數(shù)量、評(píng)論數(shù)目、內(nèi)容文本長(zhǎng)度處理后數(shù)據(jù)數(shù)據(jù)分析主要研究參數(shù)：贊同數(shù)目（A）評(píng)論數(shù)量（B）內(nèi)容文本長(zhǎng)度（C）（A+B）、（A+B+C）、（A+B）/C采取策略：rank分析結(jié)果及驗(yàn)證A+B分析結(jié)果及驗(yàn)證分析結(jié)果及驗(yàn)證A+B+C分析結(jié)果及驗(yàn)證“水軍”居多分析結(jié)果及驗(yàn)證(A+B)/C分析結(jié)果及驗(yàn)證結(jié)論與展望作業(yè)總結(jié)：1.實(shí)現(xiàn)了在動(dòng)態(tài)網(wǎng)頁上的數(shù)據(jù)爬取2.實(shí)現(xiàn)了指定話題中的有影響力檢測(cè)3.實(shí)現(xiàn)了網(wǎng)絡(luò)水軍的探測(cè)問題展望：