colding forever

转载：博客社区研究中的数据挖掘初探

                                      

博客社区研究中的数据挖掘初探

一、统计数据：

1．  博客(Blogger)信息:

（1）性别；
（2）地区；
（3）年龄；
（4）教育程度；
（5）注册时间；
（6）好友数量；

2、日志(Blog)信息:

（1）访问量;
（2）文章数;
（3）留言数;
（4）评论数;
（5）短信息数；

说明：数据按一定时期统计,初步选择的时间间隔为一个月。

二、数据挖掘：
1．  预测。

根据历史统计数据，采用回归分析、灰色理论等建立数学模型，可以预测短期和中长期内的：

1)博客的注册数量和增长趋势；
2)文章数量；
3)留言数量；
4)评论数量；
5)短信息数量；

1）  和2）可以反映出博客群体的发展情况，3)、4)和5）可以反映博客之间的互动交流情况。

2．  分类分析。

2．1 博客（Blogger）

2．1．1总量分析：
对统计数据分别从性别、性别、地区、年龄、教育程度、注册时间等方面进行分析，可以分析已注册博客的组成结构；属于静态分析。

2．1．2增量分析：
根据统计数据，得出每月（或季度、年份等）博客的增长数量，从以上几个方面分析，可以监测博客的发展情况，以及组成结构变化情况；属于动态分析。

2．2 日志（Blog）

2．2．1总量分析：
根据统计数据对日志按照目前的分类统计分析，可以了解不同栏目的发展情况；属于静态分析。

2．2．2增量分析：
通过监测各类日志数的增长速度和趋势，了解博客群体关注的话题等等情况；属于动态分析。

3．  聚类分析

3．1博客（Blogger）；
根据分项统计数据作为指标，对注册博客进行聚类分析，由此进一步分析博客群的组成结构，为进一步针对性的研究提供依据。

3．2日志（Blog）
对日志从访问量、回复量等方面进行聚类分析，了解博客群体关心的话题。可以分别对总量数据和增量数据进行聚类，由此分别了解长时期和特定阶段博客关注话题。

4．  关联分析
根据博客的文章数量、文章分类、好友情况等进行关联分析，可能发现博客的行为特点，等等。因为关联分析往往可能发现隐藏的模式和规律，具体将得到什么结论，需要对数据进行关联分析之后方可定论。

三、数据挖掘工具：
1． SQLServer;
2． SPSS;

四、预期成果：
1．博客群分析及发展动态监测报告；
2．日志增长动态监测报告；
3．博客发展相关规律；

以上只是初步的思路，因为目前对博客进行系统研究处于初期阶段，在博客研究中引入数据挖掘更多属于尝试，缺乏相关资料和标准，具体的内容有待于根据研究进展及时补充、修正、更新和完善。

【作者: colding】【访问统计:】【2005年12月5日 星期一 10:26】【 加入博采】【打印】