微博社交网络中面向机构的用户挖掘

合集下载

微博社交网络中用户群体关系挖掘与群体行为分析

微博社交网络中用户群体关系挖掘与群体行为分析作者：黄涵霞胡燕萍孙知信来源：《中兴通讯技术》2014年第01期Community Relationship Mining and Behavior Analysis for a Microblog中图分类号：TP391 文献标志码：A 文章编号：1009-6868 （2014） 01-0011-003摘要：提出了一种基于权重属性的图聚类方式。

该图聚类方式在图聚类的基础上，考虑了每个节点的不同属性，并根据影响度给属性分配权重，从而在依据亲密度构建的网络拓扑图上进行图聚类的修正。

实验证明，该方法更符合实际的群体聚合方式。

关键词：社群挖掘；图聚类；相似度计算Abstract： This paper proposes a graph-clustering algorithm based on attribute information. The attributes （and their weights） of each node are considered in this model when modifying the network topology based on intimacy. Experiments show that the modified algorithm is closer to the actual group polymerization.Key words： community detection； graph clustering； similarity calculation社交网络发展势头强劲，微博更是一个强大的社交平台。

名人们纷纷开启了认证微博，相互关注顿时拉近了陌生人在网络空间中的距离。

随着智能终端性能的突破性革新，社交平台向着移动互联网络进军。

中国互联网络信息中心（CNNIC）发布的第32次《中国互联网络发展状况统计报告》中显示2013年具有微博的网民数已达33 077万人，社交网站的网民数已达28 880万人。

社交网络中的数据分析与挖掘

社交网络中的数据分析与挖掘随着互联网的迅猛发展，社交网络成为了人们日常生活中不可或缺的一部分。

我们可以通过社交网络和朋友们保持联系，获取新的信息和知识，分享自己的生活和思想。

同时，随着数据挖掘技术的发展，我们也可以通过社交网络中的各种数据，来挖掘用户的行为习惯、个性特征和情感倾向。

一、社交网络中的数据类型社交网络中的各种操作行为和内容，如个人资料、发表的文章、浏览历史、评论和点赞等，都会被记录下来。

这些数据可以被分成以下几个类型：1. 用户个人信息：例如姓名、性别、年龄、地理位置、职业、爱好等。

2. 用户行为数据：包括发布的内容、点赞、评论、转发、关注、私信、浏览和搜索历史等。

3. 数据关系：用户之间的关系网络，包括好友关系、粉丝关系、关注关系等。

4. 文本数据：包括用户发布的文字内容，如微博、朋友圈、评论和私信等。

5. 图片、视频数据：包括用户发布的图片、视频等多媒体内容。

二、社交网络中的数据分析与挖掘应用1. 社交网络情感分析情感分析是一种将自然语言处理和机器学习技术结合起来的技术，可用于分析社交网络用户发表的文字内容，并判断其中包含的情感倾向。

例如，可以通过对用户发表的带有标签的评论进行情感分类，判断该评论是正面、中性还是负面的。

2. 社交网络推荐系统社交网络平台与许多其他应用程序常常充当基于兴趣的推荐系统。

根据用户的兴趣和行为数据，推荐系统会向用户提示可能感兴趣的人、内容和社区。

这些推荐系统常常基于机器学习模型和大规模的数据挖掘算法构建。

3. 社交网络网络分析社交网络中的各种关系可以用网络图的形式呈现，根据节点的度、网络密度等统计指标，可以分析出某一社交圈子或社区的特征。

通过网络分析算法，可以找到关键节点、社区、子图等。

网络分析可以揭示个体之间的关系，以及这些关系的长期变化规律。

4. 社交网络用户画像社交网络还可以用于用户画像的建立。

根据用户在社交网络平台上的行为、兴趣和其他数据，可以对用户进行分析和分类，并建立用户画像。

数据挖掘在社交网络中的应用分析

数据挖掘在社交网络中的应用分析社交网络已经成为了人们日常生活中不可或缺的一部分，越来越多的人通过社交网络与他人进行沟通交流，分享生活中的点滴。

这些大量的数据给数据分析带来了巨大的挑战和机遇。

数据挖掘技术在社交网络中的应用分析已成为研究热点，可以为社交网络的发展和应用提供有力的帮助。

一、社交网络中的数据挖掘技术社交网络中的数据主要包括用户的个人信息、发布的文本信息、图片和视频等。

数据挖掘在社交网络中的应用需要依赖于大数据技术，包括数据存储、数据预处理、数据分析和数据可视化等。

其中，数据挖掘技术主要包括关联规则挖掘、分类算法、聚类分析、时序分析、异常检测等。

1.关联规则挖掘关联规则是在一组笛卡尔积数据中发现物品间的关联关系，可以用于解释为什么某个事件会发生或某个人会购买某种商品等。

在社交网络中，关联规则挖掘常用于识别某些行为或特征之间的相互依赖性。

例如，挖掘用户的好友之间的关系、用户经常访问的网站等等。

2.分类算法分类算法是将数据集划分为不同类别的方法。

在社交网络中，分类算法应用很广泛，可以应用于用户的性别、年龄、职业、教育程度等多个方面的分类。

例如：用户的爱好细分。

3. 聚类分析聚类分析是将数据按照相似度划分到不同的类别中。

在社交网络中，聚类分析应用广泛，可以将用户分成不同的类别，如活跃用户、沉默用户、高价值用户等等。

还可以将用户的兴趣爱好等信息进行聚类分析，以便于为用户推荐相应的内容或用户。

4. 时序分析时序分析用于监测随时间变化的模式。

在社交网络中，时序分析主要用于研究用户的行为变化和趋势，如某个时间段内用户的访问量和活跃度等等。

5. 异常检测异常检测是识别与一般模型偏离的数据的过程。

在社交网络中，异常检测可以用于识别欺诈用户、识别不适当或有害的内容等。

二、社交网络中的数据挖掘应用案例社交网络中的数据挖掘应用案例主要包括用户行为分析、事件追踪、个性化推荐等等。

下面以微博为例，详细阐述在社交网络中数据挖掘技术的应用。

社交网络数据分析的方法与案例分析

社交网络数据分析的方法与案例分析社交网络数据分析是当前信息技术领域的热点研究方向之一。

通过对海量的社交网络数据进行挖掘和分析，可以深入了解用户行为、社会关系及其影响力等相关信息，为各个领域的决策提供科学依据。

本文将介绍社交网络数据分析的方法以及具体的案例分析。

一、社交网络数据分析的方法1. 数据收集和预处理社交网络数据的收集是分析的基础，一般可通过API接口或网络爬虫等方式获取社交网络平台的数据。

在收集数据过程中，需要注意保护用户隐私和合法性。

收集到的数据需要进行预处理，包括去除重复数据、噪声数据和缺失数据等，保证数据的质量和准确性。

2. 社交网络图构建社交网络数据一般以图的形式呈现，其中节点表示用户或实体，边表示用户之间的关系。

构建社交网络图有两种常用方法，一是基于用户之间的关注、好友等连接关系构建，二是基于用户之间的交互行为构建。

构建好的社交网络图有利于后续的分析和挖掘。

3. 社交网络特征提取社交网络中的节点和边上蕴含着大量的信息，通过特征提取可以将这些信息转化为可量化的指标。

例如，可以提取节点的中心性指标（如度中心性、接近中心性、介数中心性等）以衡量节点在网络中的重要程度，提取边的权重指标（如连接强度、频繁度等）以表示节点之间的关联性。

4. 社交网络聚类分析社交网络中存在着各种群体和社区，聚类分析可以用来识别出这些群体和社区的特征以及内部的结构。

常用的聚类算法包括k-means算法、谱聚类算法等。

聚类分析可以帮助我们发现潜在的用户兴趣和社会关系等。

5. 社交网络影响力分析社交网络中的用户影响力是社交网络数据分析的重要内容之一。

影响力分析可以通过节点的度中心性、介数中心性等指标来度量。

此外，还可以借助传播模型，通过分析信息的扩散过程来评估用户的影响力。

二、案例分析以微博社交网络数据为例，假设我们希望从海量的微博数据中挖掘用户的情感倾向和影响力。

首先，我们通过API接口获取用户的微博数据，并进行数据预处理，去除重复数据和噪声数据。

社交媒体的数据挖掘

社交媒体的数据挖掘在当今信息化的社会，社交媒体已经成为人们日常生活的重要组成部分。

从 Facebook 到Twitter，再到微信和微博，这些平台不仅为个人提供了表达自我的机会，也为企业和组织提供了丰富的数据源。

数据挖掘作为一种分析和处理信息的方法，能够深入洞察用户行为、社交趋势及市场变化，促进决策的优化与创新。

数据挖掘的概念数据挖掘指的是从海量数据中提取潜在信息和知识的过程。

它涉及多种技术，包括统计分析、机器学习、模式识别等。

通过这些技术，数据挖掘能够发现数据中隐藏的规律和趋势。

这对于社交媒体来说尤为重要，因为其用户生成的内容量庞大且多样，蕴含着丰富的用户行为和偏好信息。

社交媒体数据的类型社交媒体产生的数据主要可以分为以下几类：1. 用户生成内容：用户在社交媒体上发布的帖子、评论、照片和视频等。

2. 社交关系数据：用户之间的关注关系、评论互动及分享行为。

3. 用户行为数据：用户在平台上的浏览记录、点赞行为及转发记录。

这些数据为分析用户的偏好、社交网络结构以及传播模式提供了基础。

数据挖掘的应用用户行为分析社交媒体数据挖掘可以用于分析用户行为，通过关注用户在平台上的活动，帮助企业理解用户的偏好和需求。

例如，通过分析用户的互动频率和内容偏好，企业可以制定更有针对性的营销策略。

舆情监测社交媒体是信息传播的快速通道，舆情监测可以实时追踪热点话题和用户情感走向。

应用数据挖掘技术，企业可以快速捕捉用户对品牌或事件的态度，及时调整市场策略，避免潜在的公共关系危机。

内容推荐系统数据挖掘技术被广泛应用于社交媒体平台的内容推荐系统。

通过分析用户的历史行为和偏好，系统能够向用户推送更符合其兴趣的内容，提高用户留存率和互动率。

社交网络分析社交网络分析旨在挖掘用户之间的关系结构及信息传播路径。

通过分析社交关系数据，研究人员可以识别出网络中的关键节点和影响力人物，这对于市场营销和信息传播策略都有重要意义。

挑战与未来尽管社交媒体的数据挖掘带来了诸多优势，但也面临一系列挑战。

微博数据挖掘的方法及其应用

微博数据挖掘的方法及其应用微博是中国最大的社交媒体平台之一，拥有着数亿的用户，每天都有数以亿计的消息在微博上进行传播。

这些数据中蕴藏着丰富的信息，因而微博数据挖掘逐渐成为了一个热门话题。

本文将介绍微博数据挖掘的方法及其应用，并探讨这一领域的发展潜力。

一、微博数据挖掘的方法微博数据挖掘主要涉及文本挖掘、网络分析、情感分析等多个方面。

下面将对这些方面的方法进行详细介绍。

1. 文本挖掘文本挖掘主要涉及文本的提取、清洗、分词、去噪、特征提取等操作，以便对文本数据进行分析和分类。

在微博数据挖掘中，文本挖掘可以用来识别话题、发现事件、分析情感等。

例如，可以通过对微博文本进行关键词提取等操作，来找出与特定话题相关的微博。

2. 网络分析网络分析主要涉及社交网络的构建、社交网络中信息的传播、节点的重要性等方面的研究。

在微博中，网络分析可以用来分析用户之间的互动关系、发现社交网络中的影响者等。

例如，在一个社交网络中，影响力比较高的用户可能会更容易将某个话题传播出去，因而这些用户在分析中可能会受到更多的关注。

3. 情感分析情感分析主要涉及人类情感的识别、分类、理解等方面的研究。

在微博数据挖掘中，情感分析可以用来探测微博用户对某个话题的情感倾向，从而得出对话题的态度和立场。

例如，可以通过对微博文本中表达情感的词汇进行提取和分析，来判断用户对某个话题的喜欢程度或厌恶程度。

二、微博数据挖掘的应用微博数据挖掘可以应用于多个领域，这里列举了几个主要应用领域。

1. 舆情分析舆情分析可以通过对微博数据进行挖掘和分析，来了解民众对某个话题的反应和态度。

例如，可以通过对特定事件相关的微博进行分析，来了解事件的发展趋势和舆情变化。

这种分析可以帮助政府、企业和个人及时了解公众的反应，并做出相应的决策和应对措施。

2. 社交网络分析社交网络分析可以通过对微博社交网络的分析，来了解用户之间的互动关系和影响力等。

这种分析可以帮助企业或组织找到合适的影响者进行宣传，并更加精确地推广和营销产品，提高社交网络媒体的效益。

社交媒体之微博的用户行为分析与数据挖掘

社交媒体之微博的用户行为分析与数据挖掘随着互联网和移动设备的普及，社交媒体已经成为人们日常生活中不可或缺的一部分。

而微博作为中国广大用户群体都熟悉的社交媒体平台，拥有庞大的用户数量和海量的数据，成为研究用户行为和进行数据挖掘的重要资源。

本文将通过对微博的用户行为分析与数据挖掘，探讨微博平台的特点及其对用户行为的影响。

第一部分：微博平台的特点微博作为一种社交媒体平台，具有以下几个特点：1. 即时性：微博通过短文本形式来传递信息，用户可以随时随地发布、转发和评论信息。

这种即时性使得微博成为了人们获取新闻和时事信息的重要渠道。

2. 用户参与性高：微博平台鼓励用户参与社交互动，用户可通过发布微博与他人分享自己的观点和感受。

此外，微博还提供了点赞、转发和评论等功能，使用户在社交中可以更加活跃和自由地表达自己。

3. 群体话语权：微博用户之间的关系并非一对一，而是一对多的关系。

用户可以通过关注其他用户来看到其发布的信息，同时也可以被其他用户关注。

这种群体话语权使得微博中的信息传播更加广泛和迅速。

第二部分：微博用户行为分析微博用户行为的分析可以通过以下几个方面进行：1. 用户活跃度分析用户活跃度是指用户在微博上的行为频率和程度。

通过分析用户的微博发布数量、评论数量、转发数量等指标，可以了解用户在平台上的活跃程度。

同时，还可以通过分析用户发布内容的类型和频率，了解用户的兴趣和关注点。

2. 用户关系网络分析微博用户之间的关系网络是一个重要的研究对象。

通过分析用户之间的关注关系和被关注关系，可以构建用户关系网络，并发现其中的社交群体和意见领袖。

这对于了解用户之间的互动和信息传播具有重要意义。

3. 用户情感分析微博平台上的用户往往会发表自己的情感和观点。

通过对微博文本进行情感分析，可以了解用户情感倾向，判断用户的态度和情绪。

这对于企业和政府等进行舆情分析和舆情监控具有重要意义。

4. 用户行为的时间和地理分析用户在微博上的行为往往与时间和地理位置有关。

移动社交网络中的数据挖掘与分析

移动社交网络中的数据挖掘与分析随着互联网技术的不断发展，移动社交网络已经成为了人们日常生活不可或缺的一部分。

无论是社交娱乐还是商业活动，都需要对移动社交网络中的数据进行挖掘和分析。

本文将介绍移动社交网络中的数据挖掘技术及其应用。

一、移动社交网络中的数据挖掘技术1. 文本挖掘文本挖掘是一种从文本数据中提取知识的技术。

在移动社交网络中，用户发表的各种文字内容，如微博、评论等，都可以作为文本挖掘的对象。

通过对这些文本数据的分类、关键词提取、情感分析等处理，可以了解用户的需求、兴趣、态度等特征，从而为企业推广、广告投放、用户画像等方面提供帮助。

2. 图像识别图像识别技术是指通过计算机视觉技术对图片数据进行识别和分析。

在移动社交网络中，用户上传的图片资源非常丰富，这些图片数据可以用于人脸识别、物体识别、场景识别等方面。

例如，在美妆领域，借助图像识别技术，可以根据用户上传的照片，实现试色、试妆等功能。

3. 社交网络分析社交网络分析是一种从社交网络中提取有用信息的技术。

在移动社交网络中，用户之间存在着复杂的社交关系，而这些关系可以用图论中的图结构表示。

例如，通过分析微博中的转发、评论、点赞等操作，可以构建用户之间的社交关系图，基于该图，可以进行社交影响力分析、用户兴趣挖掘等，为企业推广、社交营销等方面提供支持。

二、移动社交网络中的数据挖掘应用1. 推荐系统推荐系统是一种能够自动为用户推荐感兴趣的产品、服务或内容的系统，移动社交网络是推荐系统的重要应用之一。

通过分析用户的历史行为、兴趣、社交关系等信息，推荐系统可以为用户推荐适合其口味的商品、服务或内容，从而提高用户满意度和粘性。

2. 营销策略移动社交网络作为营销渠道，可以让企业通过个性化内容推送、社交互动等方式与用户建立联系，扩大品牌影响力和获客量。

但是在社交媒体上推广产品并不是简单的发布广告，更应该通过数据挖掘的方法，了解用户需求和购买习惯，制定个性化的营销策略，满足用户的需求，提升销售额。

基于微博的用户兴趣分析与个性化信息

基于微博的用户兴趣分析与个性化信息一、综述随着互联网技术的快速发展，社交媒体平台如微博已经成为人们获取信息、交流观点和娱乐的重要途径。

微博中的用户生成内容丰富多样，涵盖了各个领域。

本文将对微博用户兴趣进行分析，并探讨如何利用这些信息进行个性化信息服务。

在微博平台上，用户产生的数据量庞大且实时更新，为研究和分析用户兴趣提供了丰富的资源。

通过对用户兴趣的分析，我们可以更好地了解用户需求，为他们提供更加精准的信息推送和服务。

用户兴趣分析还可以为企业和政府机构提供决策支持，提高市场营销效果，以及促进社会舆论的引导和调控。

为了对微博用户兴趣进行分析，我们可以采用多种方法和技术，包括文本挖掘、社交网络分析、情感分析等。

通过文本挖掘技术对用户发布的微博进行主题建模和关键词提取，从而了解用户关注的焦点和话题。

运用社交网络分析方法研究用户之间的互动关系和信息传播路径，以揭示用户兴趣的传播和影响机制。

通过情感分析技术对用户评论和转发的情感进行分类和识别，以深入了解用户对某一话题的态度和看法。

通过对用户兴趣的分析，我们可以为用户提供更加个性化的信息服务。

根据用户的兴趣偏好推送相关领域的资讯、推荐感兴趣的活动和话题、以及定制个性化的搜索结果等。

个性化信息服务还可以帮助用户发现新的兴趣点和关注领域，从而拓宽他们的知识视野和社交圈子。

在商业领域，企业可以通过用户兴趣分析来定位目标客户群体，制定更加精准的营销策略和产品推广方案。

1. 微博平台的发展与普及随着互联网技术的迅速发展，微博作为一款社交媒体平台，已经深入人们的日常生活。

微博提供了一个快速、便捷的信息传播渠道，使得用户可以实时获取和分享各种信息。

在这个背景下，研究微博平台上的用户兴趣以及进行个性化信息服务显得尤为重要。

微博平台从2009年开始进入中国市场，短短几年时间，用户数量迅速增长，影响力逐渐扩大。

截止到2012年，微博在中国市场的用户数量已经超过3亿，占全球微博用户的近半数。

社交媒体中观点挖掘方法研究

社交媒体中观点挖掘方法研究随着社交媒体的兴起和普及，人们在其上表达和分享自己的观点和看法已成为一种常见的行为。

社交媒体平台如Twitter、Facebook、Instagram、微博等不仅承载着个人信息和社交互动，同时也提供了一个海量的数据资源，可以用于观点挖掘。

观点挖掘是指从社交媒体中提取和分析用户的观点、态度和情感，以深入了解公众对不同话题的看法。

为了实现社交媒体中观点挖掘，研究人员已经开发了许多方法和技术。

以下是一些常用的方法：1. 文本挖掘：在社交媒体上，用户经常使用文本来表达自己的观点和看法。

因此，文本挖掘是观点挖掘的基础。

该方法包括使用自然语言处理和机器学习技术来分析文本内容，并提取关键词、主题和情感信息。

例如，通过分析用户在Twitter 上的推文，可以了解公众对某个事件或话题的态度和观点。

2. 社交网络分析：社交媒体平台是一个巨大的社交网络，用户通过关注、点赞、评论等互动行为与他人建立联系。

社交网络分析通过分析这些关系，挖掘用户之间的观点传播和影响关系。

可以使用图论算法来识别意见领袖和节点，进而理解他们对话题的看法，并预测观点的传播路径。

3. 数据挖掘和机器学习：大数据技术和机器学习算法的发展为社交媒体观点挖掘提供了更多有力的工具。

可以使用数据挖掘技术来分析用户的社交行为、兴趣和偏好，并预测他们的观点和意见。

机器学习算法可以通过对已有观点的标注数据进行训练，并利用模型判断新的观点和评论的情感倾向。

4. 情感分析：观点挖掘的一个重要方面是情感的分析。

情感分析通过对文本内容进行情感极性的判断，如正面、负面或中性，来揭示用户的态度和情绪。

这可以通过基于词典的方法，如情感词典或词频统计等，来实现。

另外，还可以采用深度学习模型，如循环神经网络 (RNN) 和卷积神经网络 (CNN) 等，对文本进行情感分类和情感表达的挖掘。

5. 主题建模：主题建模是指从大量文本中提取并识别隐藏的主题。

社交媒体上的用户评论和帖子可能包含多个主题，主题建模可以帮助挖掘这些主题并了解用户的观点分布。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

［Ａｂｓｔｒａｃｔ］Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｎｏｖｅｌａｐｐｒｏａｃｈｔｏｍｉｎｅｒｅｌｅｖａｎｔｕｓｅｒｓｏｆｏｒｇａｎｉｚａｔｉｏｎｓｉｎｍｉｃｒｏ — ｂｌｏｇｓ，ｉｎｃｌｕｄｉｎｇｕｓｅｒｓｗｈｏｅｉｔｈｅｒ
软件２０１３年第３４卷第１期
ＳＯＦＴＷＡＲＥ
国际ＩＴ传媒品牌
微博社交网络中面向机构的用户挖掘
张振华，刘瑞芳
（北京邮电大学信息与通信工程学院，北京１００８７６）
摘
要：本文提出了一种在微博社交平台中挖掘与目标机构相关用户的方法。待发掘的用户主要包括对目标用户有浓厚兴趣和
ＯｒｇａｎｉｚａｔｉｏｎＭｅｍｂｅｒｓＭｉｎｉｎｇｏｎＭｉｃｒｏ－Ｂｌｏｇｓ
ＺＨＡＮＧＺｈｅｎ・ｈｕａ，ＬＩＵＲｕｉ — ｆａｎｇ
（ＳｃｈｏｏｌｏｆｌｎｆｏｒｍａｔｉｏｎａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，ＢｅｊｉｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｂｅｉｊｉｎｇ，Ｃｈｉｎａ，１００８７￣
微博是２１世纪以来新兴的一种基于ＷＥＢ２．０的信息发布
本文将基于微博的社交网络中面向挖掘某个机构相关的用
户群体，如学校的学生，某时尚品牌的消费者等等。针对该问题，文章将采用基于社交网络距离和社区发现两种方式来进行挖掘。本文的创新点也在于通过社交发现和分析用户兴趣度，在微博
ｎｅｗｏｔｒｋｎｄａａｐｐｌｙｃｏｍｍｕｎｉｔｙｄｅｔｅｃｔｉｏｎａｌｇｏｉｒｔｈｍｏｎｈｅｔｎｅｗｏｔｒｋ，ｈｅｔｍｅｔｈｏｄｄｉｓｃｉｒｍｉｎａｔｅｓｔｈｅｒｅｌｅｖｎｔａｃｏｍｍｕｎｉｔｉｅｓｂａｓｅｄｏｎｈｅｔｉｒＲ＠Ｎ
ｄｉｓｐｌａｙｓｔｒｏｎｇｉｎｔｅｒｅｓｔｔｏｗａｘｄｏｒｇａｎｉｚａｔｉｏｎｓｏｒｂｅｌｏｎｇｔｏｒｅｌａｔｅｄｃｏｍｍｕｎｉｔｉｅｓｏｆｔｈｅｏｒｇｎｉａｚａｔｉｏｎｓ．ＩｔｃａｌｃｕｌａｔｅｓｈｅｔｉｒＮＳｃｏｒｅｔｏｉｆｎｄｕｓｅｒｓ
处于目标机构相关社交圈子中的用户。本文爬取了测试机构的若干官方账户的两层粉丝的社交网络数据，利用社交网络的拓扑结
构计算用户对目标机构的兴趣度，并在该数据集上进行去噪、压缩处理后，应用社交挖掘算法，划分出网络中的社交圈子，最后通过定义社区的Ｒ＠Ｎ指标来选取相关社区。实验结果现实，在得到的所有社交圈子中，均仍然存在大量噪声，但每个社区的地理位置信息等能够体现出较为一致的特点，通过Ｒ＠Ｎ指标能够有效的区分出相关社区。关键词：社交网络；微博；用户挖掘；机构中图分类号：ＴＰ３９１．４１文献标识码：ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００３ — ６９７０．２０１３．Ｏ１．０４１
ｗｈｏｄｉｓｐｌａｙｉｎｔｅｒｅｓｔｔｏｔｈｅｏｒｇａｎｉｚａｔｉｏｎｂａｓｅｄｏｎｔｈｅｐｒｏｐｅｒｔｙｏｆｔｈｅｓｏｃｉａ１．ｎｅｔｗｏｒｋ．Ａｆｔｅｒｅｌｉｍｉｎａｔｉｎｇｔｈｅｎｏｉｓｅｎｄａｉｒｒｅｌｅｖａｎｔｕｓｅｒｓｏｆｔｈｅ
ｓｃｏｒｅｒｅｓｕｌｔ．
［Ｋｅｙｗｏｒｄｓ］ＳｏｃｉａｌＮｅｗｏｔｒｋ；Ｍｉｃｒｏ－ｂｌｏｇ；ＵｓｅｒＡｎａｌｙｓｉｓ；Ｏｒｇｎｉａｚａｔｉｏｎ
０引言
社交网络中有针对的挖掘与某 ቤተ መጻሕፍቲ ባይዱ 机构相关的用户群体。
和共享平台。自首个微博平台Ｔｗｉｔｔｅｒ２００６年诞生后４年内，其用户数量就已达到７５００万。更有数据显示，中国国内的著名微博平台，新浪微博，自２００９年８月，也仅用了不到４年的时间，就已突破了３亿注册用户。在微博中，用户可以方便的通过共享见闻、发布评论、位置签到等方式随时发布个人状态，