針對(duì)熱點(diǎn)事件的微博客信息采集與分析系統(tǒng).pdf

1、互聯(lián)網(wǎng)用戶規(guī)模急劇膨脹，受眾群體越來越多，網(wǎng)絡(luò)虛擬世界與現(xiàn)實(shí)物理世界的邊界越來越趨于模糊。尤其是近年來，互聯(lián)網(wǎng)虛擬經(jīng)濟(jì)發(fā)展迅速，網(wǎng)絡(luò)上的商業(yè)行為日趨頻繁，基于互聯(lián)網(wǎng)“大數(shù)據(jù)”信息的商業(yè)應(yīng)用層出不窮。另一方面，互聯(lián)網(wǎng)上的海量信息缺乏有效管理，一些突發(fā)事件的不實(shí)言論容易誤導(dǎo)民眾，影響民眾生活安定。因此，對(duì)互聯(lián)網(wǎng)上海量信息的數(shù)據(jù)挖掘和分析越來越受到商業(yè)結(jié)構(gòu)、官方機(jī)構(gòu)部門的重視，顯著意識(shí)到其對(duì)商業(yè)行為、社會(huì)熱點(diǎn)導(dǎo)向等的重要影響。特別是社交網(wǎng)絡(luò)的

2、興起，以微博客為代表，迅速形成了一個(gè)熱門的互聯(lián)網(wǎng)主流應(yīng)用，用戶群上升迅速，熱點(diǎn)信息在此快速聚集和發(fā)散，深刻地影響當(dāng)今社會(huì)的各個(gè)方面。因此，對(duì)微博客上的熱點(diǎn)事件的快速、采集、分析、檢測(cè)技術(shù)的研究也成為“大數(shù)據(jù)”背景下的一個(gè)重要研究方向。
　　本文以國(guó)內(nèi)兩大主要微博客數(shù)據(jù)源----新浪微博、騰訊微博的主要特點(diǎn)為主，分析了微博客數(shù)據(jù)的特點(diǎn)，并在服務(wù)商已有API接口的基礎(chǔ)上，提出了基于模版的方法來提高信息采集的廣度，并基于此設(shè)計(jì)了針對(duì)微博

3、客熱點(diǎn)事件的信息采集器與采集部署方案。該方案能很好的滿足熱點(diǎn)事件的快速、全面采集需求。社交網(wǎng)絡(luò)上熱點(diǎn)事件的傳播途徑分析和信息源頭分析是一項(xiàng)具有相當(dāng)挑戰(zhàn)的工作，通過微博客上信息傳播行為的長(zhǎng)期觀察，本文提出一種結(jié)合顯性、隱性傳播方式的信息傳播通道重構(gòu)模型，該模型在利用文本相似度的基礎(chǔ)上，結(jié)合知網(wǎng)進(jìn)行語(yǔ)義擴(kuò)展，進(jìn)而提高熱點(diǎn)事件傳播途徑有效獲取的準(zhǔn)確率。本文設(shè)計(jì)、實(shí)現(xiàn)了一套針對(duì)熱點(diǎn)事件的微博客信息采集和分析原型系統(tǒng)，該系統(tǒng)采用Myeclipse