本文選題：微博 + 信息采集　； 參考：《小型微型計算機系統(tǒng)》2013年10期

【摘要】：隨著在線社會關系網絡的迅猛發(fā)展,每天數以千萬計的人通過發(fā)表、評論、分享等方式,產生和傳播各類話題.對在線社會關系數據的感知與收集、存儲管理、群體行為等進行研究,能更好地挖掘和分析社會關系網絡.由于微博平臺的登錄、數據顯示與處理等方面與傳統(tǒng)網絡平臺有很大差異,傳統(tǒng)網絡爬蟲不適于對微博信息的全面抓取.本文采用模擬用戶瀏覽行為方法來爬取海量微博數據,通過數據包截取與分析等手段獲取相關信息.實驗結果表明該方法的有效性.在此基礎上,以收集的微博數據為研究對象,對群體行為進行了分析.
[Abstract]:With the rapid development of online social network, tens of millions of people each day through publishing, comments, sharing and other ways to produce and spread all kinds of topics. Research on the perception and collection, storage management, group behavior of online social relations data can better mining and analysis of social networks. Because of the login of Weibo platform, the data display and processing are very different from the traditional network platform, the traditional web crawler is not suitable for the Weibo information capture. In this paper, simulated user browsing behavior is used to crawl massive Weibo data, and relevant information is obtained by packet interception and analysis. The experimental results show that the method is effective. On this basis, the group behavior was analyzed based on the collected Weibo data.
【作者單位】： 河北科技大學信息科學與工程學院;IBM
【基金】：河北省自然科學基金項目(F2013208105)資助 河北省科技支撐計劃項目(12213516D)資助
【分類號】：TP393.092;TP274.2

【參考文獻】

相關期刊論文 前3條

1 樊鵬翼;王暉;姜志宏;李沛;;微博網絡測量研究[J];計算機研究與發(fā)展;2012年04期

2 王珊;王會舉;覃雄派;周p，

本文編號：2015258