文章目录
有需要本项目的代码或文档以及全部资源,或者部署调试可以私信博主
数据展示
国内外研究现状分析
随着科技、网络技术的发展和互联网的普及,涌现出了很多新型企业、公司。其中以前被称作玩物丧志的游戏也发展出了很多相关的职业。其中俱乐部就是其中的大头企业,而俱乐部的收入主要在于粉丝数量与比赛成绩挂钩;所以俱乐部选手的价值尤为重要[1]。由此提出本设计。
由于电子竞技是近十年内的新兴体育项目,国内外对其专业研究较为缺少。其中对于选手的价值评估方面国内的英雄联盟俱乐部选手挑选主要基于选手过去的国际赛事成绩和在顶级联赛中的表现,而国外对于英雄联盟俱乐部选手的挑选并没有具体的研究资料,综上所述,国内外对于英雄联盟俱乐部选手挑选的研究各有侧重,国内更注重选手的表现和成绩,而国外则更注重选手的个人实力和潜力。其中在2023年,西安体育学院的高研等人发表了对于电竞选手的最佳参赛年龄分析的文献[1],莱茵曼应用科学大学的Bahrololloomi Farnod等人发表了关于电竞选手表现的分析指标文献[2]。这些文献都表示对于电竞选手各方面的分析是有必要的。
而设计选择基于用户画像来对电竞选手的价值进行评估,其中关于用户画像的概念最早由交互设计之父Alan Cooper提出:“Personas are a concrete representation of target users.” 是指真实用户的虚拟代表,是建立在一系列属性数据之上的目标用户模型。他是一个跨学科、跨领域的研究和应用方向,国内外的研究和应用都在不断深入和发展。未来,随着技术的进步和应用场景的拓展,用户画像的研究和应用将更加广泛和深入。国内的研究主要集中在用户画像的基本理论、技术方法和应用实践等方面。在应用方面,用户画像被广泛应用于智能推荐、精准营销、个性化服务等场景,为企业的决策和产品开发提供了重要的数据支持。国外的研究主要集中在用户画像与人工智能的结合,以及用户画像在市场营销和消费者行为分析等领域的应用。
燕山大学的刘海鸥等人于2018年发表过文献《内外用户画像研究综述》,其中提到国内是于2016年左右开始研究用户画像[1]。中通服咨询设计研究院有限公司的邓萍萍于2021年发表的《基于众测的用户画像分析及研究》中提到用户画像分为收集数据、分析数据、构建模型、应用模型四个步骤。百度公司使用用户画像来优化百度网页,实现网页喜好推送业务。随着网络发展,用户画像使用于电商行业对于用户进行标签行为达到精准推送,成功的进一步助力推动网购发展。同时国内又对用户画像的使用发散到图书馆推送、智能汽车多层次共享等方面。
2015年Shiraz University[2]发表一篇基于用户画像的社交网络好友推荐解决方案的文献表示OSNs通过用户画像已经成为国外流行的在线交流平台并被广泛应用。2023年Boen Sun与Qiujing Fu发表了关于用户画像技术在高校网络思想教育中的运用,大学生群体的多元化特征更加凸显[3]。传统的思想政治教育方法在新的条件下对教育对象的表象和需求的认识水平逐渐下降。相比之下,基于互联网的思想政治教育也得益于互联网技术的发展,随着技术的进步,教育行业也发生了显著的变化[4]。尤其是用户画像技术,为适应思想政治教育的新变化和新趋势提供了精准的见解。本文重点探索用户画像技术在高校网络思想政治教育中的优势,勾勒出三个具体操作流程,并对该技术在高校网络思想政治教育中的应用提出潜在的提升策略。旨在对网络思想政治教育领域的相关发展有所启发。
Gilbert Justin[3]等人于施普林格·自然二期刊发表<<The rise of user profiling in social media: review, challenges and future direction>>提出随着用户数量、组织和相关研究的持续快速增加,社交媒体变得非常流行。因此,用户画像变得突出,因为它能够从用户的个人资料中提取与用户相关的信息和知识。目前有关社交媒体和用户画像的文献越来越多,但没有一篇文献将两者作为一个整体或概览来展示。因此,相关属性的独特表示将增强该领域的理解和知识[5]。
本文通过文献计量分析,对2012年至2022年Scopus索引出版物中的社交媒体画像趋势进行了回顾。研究分析了关键词的分布情况,并使用VOS viewer软件进行数据可视化[6]。这些发现和分析导致了通过数据源、趋势、应用、技术和当前方法等多个属性对社交媒体用户画像进行分类的分类法的发展。此外,本文还讨论了社交媒体中脸谱化的关键挑战和未来方向。
一、选题的目的及意义、本课题研究的基本内容、拟解决的主要问题:
(一)目的及意义(含国内外的研究现状分析)
随着科技、网络技术的发展和互联网的普及,涌现出了很多新型企业、公司。其中以前被称作玩物丧志的游戏也发展出了很多相关的职业。其中俱乐部就是其中的大头企业,而俱乐部的收入主要在于粉丝数量与比赛成绩挂钩;所以俱乐部选手的价值尤为重要[1]。由此提出本设计。
由于电子竞技是近十年内的新兴体育项目,国内外对其专业研究较为缺少。其中对于选手的价值评估方面国内的英雄联盟俱乐部选手挑选主要基于选手过去的国际赛事成绩和在顶级联赛中的表现,而国外对于英雄联盟俱乐部选手的挑选并没有具体的研究资料,综上所述,国内外对于英雄联盟俱乐部选手挑选的研究各有侧重,国内更注重选手的表现和成绩,而国外则更注重选手的个人实力和潜力。其中在2023年,西安体育学院的高研等人发表了对于电竞选手的最佳参赛年龄分析的文献[1],莱茵曼应用科学大学的Bahrololloomi Farnod等人发表了关于电竞选手表现的分析指标文献[2]。这些文献都表示对于电竞选手各方面的分析是有必要的。
而设计选择基于用户画像来对电竞选手的价值进行评估,其中关于用户画像的概念最早由交互设计之父Alan Cooper提出:“Personas are a concrete representation of target users.” 是指真实用户的虚拟代表,是建立在一系列属性数据之上的目标用户模型。他是一个跨学科、跨领域的研究和应用方向,国内外的研究和应用都在不断深入和发展。未来,随着技术的进步和应用场景的拓展,用户画像的研究和应用将更加广泛和深入。国内的研究主要集中在用户画像的基本理论、技术方法和应用实践等方面。在应用方面,用户画像被广泛应用于智能推荐、精准营销、个性化服务等场景,为企业的决策和产品开发提供了重要的数据支持。国外的研究主要集中在用户画像与人工智能的结合,以及用户画像在市场营销和消费者行为分析等领域的应用。
燕山大学的刘海鸥等人于2018年发表过文献《内外用户画像研究综述》,其中提到国内是于2016年左右开始研究用户画像[1]。中通服咨询设计研究院有限公司的邓萍萍于2021年发表的《基于众测的用户画像分析及研究》中提到用户画像分为收集数据、分析数据、构建模型、应用模型四个步骤。百度公司使用用户画像来优化百度网页,实现网页喜好推送业务。随着网络发展,用户画像使用于电商行业对于用户进行标签行为达到精准推送,成功的进一步助力推动网购发展。同时国内又对用户画像的使用发散到图书馆推送、智能汽车多层次共享等方面。
2015年Shiraz University[2]发表一篇基于用户画像的社交网络好友推荐解决方案的文献表示OSNs通过用户画像已经成为国外流行的在线交流平台并被广泛应用。2023年Boen Sun与Qiujing Fu发表了关于用户画像技术在高校网络思想教育中的运用,大学生群体的多元化特征更加凸显[3]。传统的思想政治教育方法在新的条件下对教育对象的表象和需求的认识水平逐渐下降。相比之下,基于互联网的思想政治教育也得益于互联网技术的发展,随着技术的进步,教育行业也发生了显著的变化[4]。尤其是用户画像技术,为适应思想政治教育的新变化和新趋势提供了精准的见解。本文重点探索用户画像技术在高校网络思想政治教育中的优势,勾勒出三个具体操作流程,并对该技术在高校网络思想政治教育中的应用提出潜在的提升策略。旨在对网络思想政治教育领域的相关发展有所启发。Gilbert Justin[3]等人于施普林格·自然二期刊发表<<The rise of user profiling in social media: review, challenges and future direction>>提出随着用户数量、组织和相关研究的持续快速增加,社交媒体变得非常流行。
因此,用户画像变得突出,因为它能够从用户的个人资料中提取与用户相关的信息和知识。目前有关社交媒体和用户画像的文献越来越多,但没有一篇文献将两者作为一个整体或概览来展示。因此,相关属性的独特表示将增强该领域的理解和知识[5]。本文通过文献计量分析,对2012年至2022年Scopus索引出版物中的社交媒体画像趋势进行了回顾。研究分析了关键词的分布情况,并使用VOS viewer软件进行数据可视化[6]。这些发现和分析导致了通过数据源、趋势、应用、技术和当前方法等多个属性对社交媒体用户画像进行分类的分类法的发展。此外,本文还讨论了社交媒体中脸谱化的关键挑战和未来方向。
(二)研究的基本内容
- 数据爬取、清洗与存储:
通过Python的Requests工具库爬取所需数据,并通过pandas工具库进行数据清洗并存储与MySQL中。
- 数据采集:
通过sqoop实现对MySQL中的数据采集,存储到大数据集群当中。
-
用户画像模型构建:
采用用户行为画像模型以电竞选手的比赛记录、赛事情况、年龄为用户行为、和选手粉丝的数量进行画像。 -
建立价值评估体系:
通过选手的赛事成绩、年龄与粉丝数量等多维度建立合理的价值评估体系。 -
数据可视化:
通过可视化技术对选手价值进行可视化。
(三)拟解决的主要问题和最终目标
主要问题:
1.研究如何从大量的选手数据中提取有用的信息,构建精准的用户画像[8]
2.研究如何建立一套科学、合理的价值评估体系,将用户画像和英雄联盟职业选手的数据进行关联,对职业选手的价值进行评估。
3.研究如何验证评估结果的准确性和有效性,并将评估结果应用到实际场景中,如职业选手的商业合作、赞助等。
4进行可视化设计与实现[9]。
5.研究如何利用先进的技术和工具,如大数据分析、机器学习等,提高评估的准确性和效率。
最终目标:
1.选手评估与选拔:通过对选手的各项指标进行评估,选拔出更具潜力的新秀,降低队伍在人才培养方面的风险。
2.选手培养与规划:为选手提供更具针对性的训练方案,提升选手的技能和表现。通过对选手的个人特点和未来发展潜力进行评估,为选手制定长期的职业生涯规划。
3.战队策略优化:基于对选手的价值评估,为战队制定更合理的战术和策略,提高战队的比赛胜率。
4.市场推广与品牌建设:通过评估选手的价值,可以为战队和赞助商提供更有针对性的市场推广策略,提升品牌知名度和商业价值。
5.行业规范化发展:通过建立公正、透明的选手价值评估体系,推动电竞行业的规范化发展,减少不正当竞争和黑幕交易。
6.跨界合作与产业链整合:通过对选手的价值评估,可以为跨界合作和产业链整合提供数据支持,促进电竞与其他行业的交流与合作。
7.粉丝互动与社区建设:通过向粉丝展示选手的价值评估结果,增强粉丝对选手的认同感和归属感,提高粉丝参与度和战队支持度。
二、研究方法、论文特色或创新点、设计方案或论文撰写提纲:
(一)研究方法:
文献研究法:是根据一定的研究目的或课题,通过调查文献来获得资料,从而全面地、正确地了解掌握所要研究问题。
案例研究法:通过个别案例,比如以基于用户画像的高校图书馆智慧服务研究作为类似案例作为切入点深入研究,发现、揭示怎样开展课题[10]。
(二)论文特色或创新点:
本课题是通过python软件,利用python网络爬虫技术获取选手信息数据集,对数据进行清洗、预处理、加工,再通过HDFS存储加工好的数据。通过选手数据对选手进行用户画像,通过合理的价值评估体系来得出评估数值或者图形。每个俱乐部都可以通过价值评估的数值或者图形来直接了解选手是否适合。
本任务思路:对各指标利用熵权法确定各自权重,然后基于该权重用TOPSIS方法确定价值评估模型 接着对所有玩家计算所有赛季平均价值并进行排序,导入到新的xlsx中,可视化价值评估,最后可视化前几名玩家的用户画像
熵权法(Entropy Weight Method)
熵权法是一种客观赋权方法,用于确定各指标的权重。它基于信息熵的概念,信息熵可以度量数据的不确定性和无序程度。该方法认为,指标的变异越大(即信息熵越小),该指标的区分能力越强,因此应赋予更高的权重。
步骤解释:
数据标准化:将数据按列进行归一化,确保每个数据点的影响相等。
计算熵值:对归一化后的数据,计算每一列的信息熵。
计算分散度:通过1 - 信息熵计算分散度,以反映指标的有效信息量。
计算权重:将每个指标的分散度除以分散度之和,得到每个指标的权重。
TOPSIS方法
TOPSIS是一种基于距离的多属性决策分析方法。它通过计算每个选项与理想最优解和最劣解的距离,来评估每个选项的相对性能。
步骤解释:
数据标准化:使用向量归一化方法,将数据转换为无量纲的形式,便于比较。
加权标准化数据:利用熵权法计算得到的权重对标准化后的数据进行加权。
确定理想解和负理想解:根据指标的影响方向,确定每个指标的理想最优值和最劣值。
计算距离:计算每个选项到理想解和负理想解的欧氏距离。
计算性能得分:通过距离比例计算得分,得分越高表示越接近理想解,性能越好。
导入数据:从Excel文件中读取数据,并筛选出数值型列。
熵权法计算权重:调用entropy_weight函数计算各列的权重。
TOPSIS计算得分:利用计算得到的权重和指定的指标影响方向,调用topsis函数计算所有选项的性能得分。
输出处理:对每个玩家的得分进行分组平均,然后按得分降序排序,并打印输出结果。
这个过程提供了一种客观、系统的方法来评价和排序王者荣耀玩家的综合表现。通过这种方式,可以公平地比较玩家在多个维度上的表现,帮助分析和决策。
每文一语
人是需要跳出思维的,没有永恒的事物,学会看透,烦恼自然消灭