微博大數(shù)據(jù)文本分析方法及推薦服務(wù).pdf

1、微博，即微博客（MicroBlog）的簡稱，是一個基于用戶關(guān)系的信息分享、傳播以及獲取的平臺。用戶可以通過WEB、WAP以及各種客戶端組件個人社區(qū)，以140字左右的文字更新信息，并實現(xiàn)即時分享。微博比傳統(tǒng)的社交網(wǎng)絡(luò)具有更強的信息傳播能力和用戶粘性，這一獨特優(yōu)勢使其迅速成為當(dāng)前主要社會媒體之一。同時微博作為一種非常重要的消息來源與傳播途徑，在越來越多的社會事件中起到關(guān)鍵作用。對微博數(shù)據(jù)的分析與研究已經(jīng)成為目前的研究熱點之一。本文以新浪微博

2、數(shù)據(jù)作為研對象，主要對新浪微話題數(shù)據(jù)進(jìn)行文本處理，分析其媒體特征及其對傳統(tǒng)搜索查詢詞推薦服務(wù)的優(yōu)化，并討論大數(shù)據(jù)環(huán)境下處理效率的問題。
　　本文的主要工作包括以下四個方面：1）針對新浪微話題數(shù)據(jù)的抽取，我們采用了基于Html頁面解析的方式來獲取數(shù)據(jù)，解決新浪API數(shù)據(jù)獲取接口不完全開放，數(shù)據(jù)無法完整獲取的問題；2）提出用戶參與度和用戶活躍度，話題熱度和話題活躍度這四個指標(biāo)，實現(xiàn)新浪微話題的媒體特征分析。并重點討論了其話題特征，給出