大数据视角下的腾讯微博用户行为分析
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-16页 |
| 1.1 引言 | 第7-8页 |
| 1.2 社交网络分析源起 | 第8-9页 |
| 1.3 大数据及其应用 | 第9-13页 |
| 1.3.1 大数据发展简史 | 第10-11页 |
| 1.3.2 大数据应用实例 | 第11-13页 |
| 1.3.3 大数据技术发展 | 第13页 |
| 1.4 用户信息行为 | 第13-14页 |
| 1.5 本文主要工作 | 第14页 |
| 1.6 本文结构 | 第14-16页 |
| 第2章 国内外研究现状 | 第16-24页 |
| 2.1 社交网络简介 | 第16-20页 |
| 2.1.1 社交网络分析 | 第17-19页 |
| 2.1.2 与研究工具相关的研究 | 第19-20页 |
| 2.2 K-means聚类算法 | 第20-21页 |
| 2.3 KNIME | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 腾讯微博用户整体行为 | 第24-30页 |
| 3.1 数据来源 | 第24-26页 |
| 3.1.1 腾讯微博开放平台API简介 | 第25页 |
| 3.1.2 数据爬取流程及代码框架 | 第25-26页 |
| 3.2 数据初步分析 | 第26-29页 |
| 3.2.1 腾讯微博用户月发表情况 | 第27-28页 |
| 3.2.2 从一周时间看微博发表数量的变化 | 第28页 |
| 3.2.3 从一天内看微博发表数量的变化 | 第28-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 腾讯微博用户聚类分析 | 第30-37页 |
| 4.1 工作流(workflow)设置 | 第30-32页 |
| 4.1.1 确定运行变量 | 第30-32页 |
| 4.1.2 典型类别的选择 | 第32页 |
| 4.2 聚类结果分析 | 第32-36页 |
| 4.2.1 稳定群 | 第33-34页 |
| 4.2.2 工作群 | 第34页 |
| 4.2.3 沉默群 | 第34-36页 |
| 4.3 本章小结 | 第36-37页 |
| 第5章 结论 | 第37-38页 |
| 参考文献 | 第38-41页 |
| 致谢 | 第41页 |
