面向网络舆情的关联度分析(一)
本文是对泰迪杯的官网上的优秀作品的思路摘抄和总结,夹杂一些博主自己的想法。
官网地址:http://www.tipdm.org/bdrace/tzjingsai/
题目:
近年来,网络舆情对政治生活秩序和社会稳定的影响与日俱增。同时,网络舆情突发事件如果处理不当,极有可能诱发民众的不良情绪,引发群众的违规和过激行为,进而对社会稳定形成严重威胁。
附件二_网络舆情数据.zip为通过网络爬虫工具从某社区采集的网络舆情信息,请基于关联度分析法,从资源集合中找出与用户信息.xls中存在关联的用户,并进行关联度排序。
提示:
1.本题意在通过研究,实现通过网络爬虫工具从某些社区采集的网络舆情信息与指定的用户进行关联度分析。由于用户的姓名、住址、身份证号、电话号码、QQ号码、E-mail、MSN等信息与用户存在着不同程度的关联,舆情资源集合中这些信息的出现模式,也间接的反映了资源与用户的关联。
2.研究过程(仅作参考):
(1)设置不同的权重,表征用户与其姓名、住址、身份证号、电话号码、QQ号码、E-mail、MSN等信息的关联规则;
(2)将用户的姓名、住址、身份证号、电话号码、QQ号码、E-mail、MSN等信息定义为关键字;
(3)对舆情资源进行中文分词;
(4)进行词频统计;
(5)用户与舆情资源的关联度分析。
思路一
采用中文分词技术,通过计算人物