在線社區(qū)中的用戶行為分析及熱度預(yù)測(cè).pdf

1、隨著Web2.0的日益普及，各類(lèi)在線社區(qū)也應(yīng)運(yùn)而生。在線社區(qū)具有現(xiàn)實(shí)社區(qū)所不具有的超時(shí)空性、符號(hào)性以及虛擬性，因而吸引了越來(lái)越多的互聯(lián)網(wǎng)用戶參與到其中。如何從這些在線社區(qū)中產(chǎn)生的海量數(shù)據(jù)中挖掘出有價(jià)值的信息也成為了當(dāng)下熱門(mén)的研究課題。本文基于百度貼吧的數(shù)據(jù)集對(duì)貼吧中的用戶行為進(jìn)行了分析，同時(shí)也提出了一種熱貼預(yù)測(cè)模型。
　　本研究主要內(nèi)容包括：⑴設(shè)計(jì)并實(shí)現(xiàn)了基于Scrapy的網(wǎng)絡(luò)爬蟲(chóng)，對(duì)百度貼吧中某貼吧于7、8月間產(chǎn)生的數(shù)據(jù)進(jìn)行了采

2、集。經(jīng)過(guò)數(shù)據(jù)預(yù)處理后，數(shù)據(jù)集包含了約6萬(wàn)個(gè)主題貼、249萬(wàn)個(gè)回復(fù)貼以及22萬(wàn)個(gè)用戶的信息，通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)主題貼的獲回貼數(shù)滿足冪律分布；⑵基于上文獲取的數(shù)據(jù)集構(gòu)建了貼吧用戶之間的回復(fù)網(wǎng)絡(luò)，驗(yàn)證了該回復(fù)網(wǎng)絡(luò)也具有社交網(wǎng)絡(luò)的小世界和無(wú)標(biāo)度特性。并且從活躍時(shí)間、發(fā)貼數(shù)、獲回貼數(shù)以及回復(fù)時(shí)延四個(gè)角度對(duì)貼吧用戶行為進(jìn)行了分析。最后，對(duì)貼吧用戶進(jìn)行了聚類(lèi)研究，通過(guò)額外引入“平均回復(fù)時(shí)延”這一用戶行為指標(biāo)，得到了有趣的分類(lèi)結(jié)果并對(duì)其進(jìn)行了詳細(xì)闡述；⑶提出