基于微博的社交网络特征分析

摘要

伴随着web2.0的快速发展，新浪微博作为web2.0的有形信息载体也呈现了快速的成长。多样化的的用户群体展现出来的需求很大差异。从差异化的用户群体和需求中加深对用户行为的理解、身份推理、群体分析及精准营销等，提取具有较高的现实意义的信息。为企业的发展提供真实的用户需求信息；给政府了解民生问题提供信息来源平台；同时企业给微博用户提供个性化的服务，使微博能够惠及更广泛的网络用户。
　　本研究依据2013年4月18日新浪微博用户数据，借助新浪微博的微连接网络接入方案（API Application programming interface接口），并结合使用网络爬虫技术抓取其微博用户信息，主要采用统计语言R软件实现BP神经网络分类算法，分析微博用户Tag属性标签内容，将用户标签进行分类，挖掘用户标签中隐含的热门话题。同时，文章主要对比了：K-means、分层划分的聚类DIANA、凝聚层次聚类AGNES和CLARA等算法，实现用户群体的聚类分析。最终实现研究对象的基本特征统计分析、用户数值化特征分析、用户标签偏好分析以及用户群体的聚类分析。
　　新浪微博作为最具有代表性的社交网络，其在应用及研究领域都具有广阔的前景，尤其是在信息推荐、电子商务、新闻传播及人类动力学等方面。研究新浪微博的目的就在于通过对零散的和原始的数据信息进行整合，发现其在应用及研究中潜在的无限价值，从而对社会的发展带来使用价值。最终借助分类结果可以向微博用户关注提供个性化的服务，及研究结果向企业提供企业战略决策信息的支持，帮助企业发现更多的用户兴趣偏好领域，精准客户需求，进而促进企业与客户的实时互动。

目录

声明

1 绪论

1.1研究背景与意义

1.2研究目标及主要内容

1.3研究对象特点

1.4论文的组织结构

2 相关研究综述

2.1本文主要技术简介

2.2国内外微博研究现状

3 微博用户基本特征分析

3.1数据描述

3.2统计分析结果

4 微博用户数值特征分析及构建影响力模型

4.1微博数-人数分析

4.2粉丝数-人数分析

4.3关注数-人数分析

4.4微博用户影响力模型

5 微博用户标签分类及聚类分析

5.1用户标签分类

5.2 BP算法实现原理

5.3用户聚类分析及实现

6 结论与展望

6.1文章总结

6.2文章不足点

参考文献

致谢

在学期间发表论文