信息检索技能训练解读.docVIP

信息检索技能训练 2013-2014第2学期 题 目： 院（系、部）： 学 生 姓 名： 指 导 教 师： 2014年 5月 8日 摘要 微博作为一种近年出现的新型网络媒体形式，已经成为网络舆论的强磁场。通过微博自身的特点，分析其对网络舆情的价值，然后设计基于微博的网络舆情分析系统，包括文本预处理、微博文本的向量表示与提取、话题发现以及微博的传播态势和倾向性分析等过程微博消息为研究对象，了微博消息传播的特点与模型，抓取的分析发现了传播的单向性，便捷性，背对脸等特点，微博意见领袖微博传播中的重要作用，热点的产生规律数据分析的结果提出了趋势分析的算法微博；；舆情分析?微博，即微博客，源自于英文单词Microblog。作为web2.0的产物，微博属于博客的一种形式，但单篇的文本内容通常限制在一定范围内（国内通常为140个汉字），使用户能够通过微博融合的多种渠道（包括网页、手机、即时通讯、博客、SNS社区、论坛等） 发布文字、图片、视频、音频等形式的信息，具有内容碎片化、使用方式便捷、传播迅速、交互性。? 摘要 2 引言 2 1概述 5 1.1课题背景与研究意义 5 1.1.1课题背景 5 1.1.2研究现状 6 1.1.3研究意义 7 1.2论文结构 7 2微博消息传播模型 7 2.1微博消息传播特点 7 2.2微博用户状态 8 2.3微博意见 9 2.4 微博传播模型 11 3微博舆情管理平台的设计与实现 13 3.1微博舆情管理平台的总体流程 13 3.2数据分析系统设计流程 13 4 微博舆情管理平台的实现 14 4.1样本选取与数据来源 14 4.2微博数据转化 14 4.3微博文本聚类 16 4.3.1文本聚类定义 16 4.3.2机器学习 17 4.3.3K-means算法 18 4.4微博意见领袖重要性评估 19 4.4.1 PageRank算法 19 4.4.2 WeiboRank算法 20 4.4.3 算法对比 21 4.5微博舆情预警模块 22 4.5.1微博舆情预警 22 4.5.2趋势分析模块 23 4.6趋势分析结果比较 25 结论 26 参考文献 27 国外外文文献原文 28 Cluster Analysis:Basic Concepts and Algorithms 28 1Overview 31 1.1.1What Is Cluster Analysis? 32 1.1.2 Different Types of Clusterings 32 1.1.3Different Types of Clusters 34 2.Road Map 36 ? K-means 36 ? Agglomerative Hierarchical Clustering 37 ? DBSCAN 37 国外外文文献译文 37 聚类分析：基本概念及算法 37 1概述 39 1.1.1什么是聚类分析？ 39 1.1.2不同类型的群集合 39 1.1.3簇的不同类型 41 2.路线图 42 ?K-means算法 42 ?凝聚层次聚类 42 ?DBSCAN 42 1概述 1.1课题背景与研究意义 1.1.1课题背景 微博是近年来网络上出现的新兴媒体形式，它综合应用网络、无线通信等技术，方便地满足了用户随时随地进行沟通的需求。我国微博总体上处于起步阶段，但发展速度迅猛。据统计[1]，2012年1月，据中国互联网络信息中心（CNNIC）报告显示，截至2011年12月底，我国微博用户数达到2.5亿，较上一年底增长了296.0%，网民使用率为48.7%。微博用一年时间发展成为近一半中国网民使用的重要互联网应用。有人说，2010年是中国的微博元年，那么2011年就是中国的微博壮年。2012年5月16日[2]，新浪公布未经审计的第一季度财报显示，新浪微博用户数已增至3.24亿。一种传播媒体普及到5000万人， 收音机用了38年，电视用了13年，互联网用了4