摘要在大数据迅速发展的今天，互联网成为一个非常常见的信息共享平台，网络搜索引擎成为一个搜索信息的重要工具，在使用搜索引擎的过程中，我们也会在网络上留下各种杂乱无章的痕迹，如何让这些搜索痕迹，通过数据处理手段变成可视化的有用信息，并加以解释就是本文主要研究的内容。居民消费价格指数（CPI），一个反映居民家庭一般所购买的消费商品和服务价格水平变动情况的宏观经济指标。本文将依据百度指数的关键词搜索指数，计算关键词的搜索指数与CPI的相关系数，最终对数据处理的结果加以分析阐述。87992

In the rapid development of large data today, the Internet has become a very common information sharing platform, the network search engine has become an important tool for search information, in the use of search engines in the process, we will leave a variety of chaotic traces on the network , How to make these search traces, through data processing means become a useful information for visualization, and to explain is the main content of this article。 The consumer price index (CPI), a macroeconomic indicator that reflects the changes in the price level of consumer goods and services purchased by households。 Based on the Baidu Index keyword search index, this paper calculates the correlation coefficient between the search index of the keyword and the CPI, and finally analyzes the result of the data processing。

毕业论文关键词：网络搜索引擎 ；CPI ；相关性

Keyword: Web search engine; CPI;relevance

目    录

目录

一、引言 5

二、文献综述 5

三、方法和数据 5

1。选择数据采集点 5

2。选择关键词 6源-于,优W尔Q论L文.网wwW.youeRw.com 原文+QQ75201,8766

3。CPI数据选择与处理 6

4。关键词搜索指数处理 6

5。数据分析 6

四、实证结果 7

1。滞后因素 7

2。宏观因素 8

3。CPI统计因素 9

4。其他社会因素 9

五、结论与展望 10

六、参考文献 11

一、引言

根据2017年1月，中国互联网络信息中心(CNNIC)在京发布的第39次《中国互联网络发展状况统计报告》，截至2016年12月，我国网民规模达7。31亿，全年共计新增网民4299万人。互联网普及率为53。2%，较2015年底提升2。9个百分点，网民规模已经相当于欧洲人口总量。互联网随着网民规模的增加，它所包含的信息量也越来越大，可谓是盈千累万。CPI（居民消费价格指数consumer price index）是一个反映居民家庭一般所购买的消费价格水平变动情况的宏观经济指标，在经济学研究中占据着重要地位。From~优E尔L论^文W网wWw.YoUeRw.com 加QQ7520.18766

古语云：人过留名，雁过留声。人们在互联网上共享成千上万的信息资料，形成了一个庞大的数据库，同时人们也通过互联网搜索自己所需的信息资料，通过网络搜索引擎搜索信息的过程会在搜索引擎上留下痕迹，而这些数据和痕迹大多数都杂乱无章，如果不采用科学的方法对其加以提取和分析，我们就不能从这个庞大的数据库中找到对自己有用的数据信息，就白白浪费了大数据时代给我们带来的大量极具价值的网络信息资源，浪费了互联网带给我们的便利。我们为什么可以利用搜索引擎来发现人们的行为呢？人们的搜索行为与现实情况息息相关，比如：在流感高发的季节，新闻上出现了相关的报导，周边确实也有很多人得了流感，人们就很有可能在搜索引擎上搜索与流感相关的问题——“如何预防流感”﹑“得了流感怎么办”﹑“得了流感的症状”等等这些诸如此类的问题，这些问题中都会出现一个关键词“流感”，那么通过统计分析这个关键词在不同时间段出现的频数，再和流感发生的时间段加以分析，就可以了解到这二者之间到底有没有联系，也就是搜索引擎关键词与流感发生的相关性。