4  社会网络关系识别的应用：社会网络的意见领袖识别    33
4.1  意见领袖识别方法选取    33
4.2  基于PageRank算法的意见领袖识别    33
 
4.3  实验结果与分析    36
5  结论    40
5.1  本文工作总结    40
5.2  本研究的不足及展望    40
致谢    41
参考文献    42
图1-1  论文的组织结构    7
图2-1  微博主页示例    9
图2-2  高级搜索设置页面    10
图2-3  微博高级搜索结果页面    11
图2-4  微博用户“名片”弹出层    13
图2-5  微博用户基本信息获取Ajax接口演示    13
图2-6  微博用户id查看    13
图2-7  微博评论抓取Ajax接口演示    14
图2-8  页码数超链接节点action-data属性    14
图2-9  PR值沉淀现象    18
图3-1  微博高级搜索结果页面最后一页    21
图3-2  抓取任务执行流程图    23
图3-3  搜索任务执行流程图    24
图3-4  微博系统总体简化ER图    24
表3-1  微博用户表（weibo_blogger）    25
表3-2  微博表（weibo_info）    25
表3-3  转发表（weibo_forward）    25
表3-4  评论表（weibo_comment）    26
表3-5  转发关系表（weibo_forward_rel）    26
表3-6  评论关系表（weibo_comment_rel）    26
表3-7  @提醒关系表（weibo_at_rel）    26
表3-8  抓取任务表（weibo_task）    27
表3-9  搜索任务表（weibo_pages_log）    27
表3-10  转发与评论抓取任务表（weibo_hot_weibo）    27
图3-5  新浪微博抓取系统总体框架设计图    28
图3-6  CloseableHttpClient发送HTTP请求及接收响应并处理网络异常    30
图3-7  使用Selenium WebDriver驱动浏览器代码示例    30
图3-8  使用Fastjson解析JSON数据示例    31
图3-9  存储模块代码示例    32
图4-1  用Python实现的WeiboRank算法关键代码    36
图4-2  系统界面    37
表4-1  WeiboRank算法识别出的前50位意见领袖    37
表4-2  单条微博转发数从高到低排名前50的微博用户    38
图4-3  微博用户WR值排名与单条微博转发数排名对比    39
 1  引言
随着计算机网络技术的迅猛发展，互联网逐步渗入到人们生活的各个方面，网络成为继报纸、广播、电视之后的又一新兴信息传播载体。通过互联网，信息的传播速度空前加快，传播范围急剧扩大，信息传播的方式也更加多样化。在Web2.0时代，普通的互联网用户不仅是信息的接收者，也是信息的发布者和传播者。人们可以方便地获取信息和发布信息，人与人之间的交流也更加方便快捷。同时社会中发生的重大事件通过网络迅速扩散，受众更广，其传播影响力远远超过传统渠道。因此网络舆情引起人们的广泛关注。网络舆论是自由的，但其内容的质量参差不齐，带有偏激情感的信息很容易引起网民情绪激愤，引发突发事件，造成巨大的社会财产损失。为了避免此类事件的发生，减少社会经济损失，使用社会网络分析法研究网络舆情的社会网络结构，发掘其传播规律及核心节点，以便做出针对性的舆论引导和舆论监控，使事件的态势在可控范围内发展。 网络舆情传播中社会网络关系识别(2):http://www.youerw.com/jisuanji/lunwen_16910.html