知乎平台用户影响力分析与关键意见领袖挖掘

[目的 /意义]随着互联网技术的快速发展,知乎平台逐渐成为一个热议社会公众话题以及分享知识、经验的载体。因此,分析知乎平台中关键用户的影响力和挖掘其中的关键意见领袖在研究社交网络信息传播途径的过程中起到非常重要的作用。[方法 /过程]通过提出改进的PageRank算法和HITS算法,分别基于知乎用户社交网络、问答网络构建用户影响力挖掘模型,能够准确、客观地识别出其中的关键用户及意见领袖。[结果/结论]实验结果表明,提出的PageRank算法和HITS算法能够有效挖掘出知乎平台中具有较为突出特性的关键意见领袖,并且算法的收敛速度较快,具有可复用性和迁移性。通过对知乎平台用户数据集进行处理和有效分析,成功建立用户影响力和关键意见领袖挖掘模型;同时,在具体话题上进行验证。因此,可以推断该模型有巨大应用价值和商业化推广前景。

社会化问答社区用户行为统计特性及其动力学分析:以知乎网为例

【目的】通过对社会化问答社区海量的用户信息和动态进行综合分析,探索社会化问答社区用户关系网络和用户访问行为的规律。【方法】以知乎网为例,抓取知乎用户和问答情况的公开信息,基于复杂网络和人类行为动力学,对社交网络本身的结构特性、用户群体特性及用户行为的时间统计特征进行分析。【结果】研究结果表明:在个体和群体层面,知乎用户行为在时间上具有相似的统计规律,事件时间间隔服从幂指数为0.68的幂律分布,等待时间间隔服从幂指数为1.51的幂律分布。关系网络的度分布和用户回答量、赞同量、评论量等服从指数截断的幂律分布,整体表现出明显的异质性和多重标度特性。【局限】采集样本的数量有限;没有将知乎网与其他社会化问答社区的用户行为进行对比。【结论】本研究揭示了知乎网用户行为与信息传播之间的关系,对研究社会化问答社区的网络结构和信息的传播控制等有一定的借鉴意义。

电商评论综合分析系统的设计与实现——情感分析与观点挖掘的研究与应用

【目的】通过对电商网站产生的海量用户评论数据进行综合分析,及时获取与产品口碑相关的用户反馈信息,以便快速有效地反馈企业的市场营销活动效果。【方法】运用词袋模型、依存句法分析和机器学习等新兴技术,对来自京东和天猫两个主要电商网站的真实数据集进行分析,实现了电商用户评论的自动情感分析和观点标签提取。【结果】评论情感分析获得约90%的准确率,利用改进双向传播算法成功实现了一个自动化的词库构建系统,摆脱对词典的依赖,该系统的F值达到约71%。【局限】观点标签提取的召回率需要进一步提高。【结论】通过实时获取海量电商评论数据并进行有效分析,成功实现对用户口碑的快速分析与准确把控,具有较高的商业化推广前景。