3-基于知乎社区的数据集分析-姜智文组_第1页
3-基于知乎社区的数据集分析-姜智文组_第2页
3-基于知乎社区的数据集分析-姜智文组_第3页
3-基于知乎社区的数据集分析-姜智文组_第4页
3-基于知乎社区的数据集分析-姜智文组_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、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

2、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topic eg：互联网话题 - http:/ 模拟用户点击每个question有哪些知乎用户推荐的物品，你买了以后觉得并不好用？ - http:/统计每个answer信息，并录入到数据库中数据格式名称含义questionID问题IDquestionName问题

3、名称anwerId回答IDScore不用管，无用writerId作者IDwriterName作者姓名createdTime写作时间voteNum“顶”的数量commentNum评论数目Length内容文本长度原始数据数据格式：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：

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论