摘 要 社会化媒体发展越来越迅速，要对社会化媒体进行分析，需要对常用的社会化媒体进行数据采集。主要是对采集后的数据进行中文分词，为提炼关键词奠定一定的基础，同时为后续预测社会群体的思维模式和动机提供支持。
关键词 社会化媒体；中文分词；数据
1671-489X（2014）16-0050-04
随着社会的发展，社会化媒体（Social Media）已经在网络化环境中被广泛研究。社会化媒体包含交互式的应用和分享交换用户生成内容的平台创建。在过去的十年，社会化媒体迅速发展。通过对它们的建模分析，从这个超越社会沟通的、拥有大量数据的超集中，可以很好地反映并提炼出交往互动者之间的思想动态、行为倾向，甚至某一社交群体的集体策略。因而，本文主要是对社会化媒体分析系统采集的数据，应用中文分词技术进行处理分析，最终得到有用的关键词，为可以提前预测社会群体的交往意向和可能发生的行为结果（比如判定投资或营销群体的兴趣方向、旅游公司和游客动态、特定人群的行为意向、学生群体的思维模式和中文分词技术在社会化媒体中的应用论文资料由论文网www.808so.com提供,转载请保留地址.动机等）提供一定的依据，为后续研究加以干预，或进行行为制约，为达到所希望达到的经济社会运转模式、群体和个人行为以及提高教育教学的可控性奠定一定的基础。
1 社会化媒体
社会化媒体包括平台创建和交换用户生成内容，通常社会化媒体也被称为消费者产生的媒体（CGM）。社会化媒体和传统的媒体有所不同，比如报纸、书本、电视等任何一种媒体印刷成本较高，而社会化媒体在印刷出版方面的成本却很低，但社会化媒体并不是完全不同于传统媒体，它与传统的媒体存在密切的联系。
社会化媒体的形式很多，包括博客、社交网站、虚拟社区等。社会化媒体有七个方面是大家一直关注的：身份、交谈、分享、存在、友谊、名誉及成员。不同的社会化媒体有不同的关注点，像维基百科等合作项目经常关注的是共享及信誉，而在虚拟社区中身份、存在、信誉等备受关注。总之，社会化媒体在人们的生活中发挥着举足轻重的重要。因此，对社会化媒体的分析更具有研究价值。
社会化媒体的定义 学者Andreas Kaplan和Michael Haenlein认为社会化媒体是一组建立在Web2.0技术基础上，允许创建和交换用户自创内容的互联网应用[1]，它包含交互式的应用和平台创建，分享和交换用户生成内容，是允许人们撰写、分享、评价、讨论、相互沟通的网站和技术。所谓社交媒体应该是广大网民自发分享、提取、创造新闻资讯，然后传播的过程。社交媒体的产生依赖的是Web2.0的发展，现阶段主要包括社交网站、微博、微信、博客、论坛、播客等。类似的，Toni Ahlqvist等人认为社会化媒体概念包含三个关键元素，即：Web2.0技术、用户自创内容（UserGenerated Content，UGC）以及所产生的人际关系网[2]。
社会化媒体发展 目前，社会化媒体的发展越来越迅速。社会化媒体已经在整个互联网中占据主流地位，根据Alexa网站名称统计数据，当前世界访问量排名前十大网站中，有五个是社会化媒体网站，像Facebook、Twitter、YouTube等社会化媒体网站更可谓风靡全球，家喻户晓[3]。截至2014年5月，Facebook有近13亿的活跃用户，其中包括超过10亿移动活跃用户。目前已经有专门关注娱乐、运动、金融和政治的社会化媒体。
2 中文分词技术
中文分词的概念 中文分词就是将一段或一句中文字序列分成相对独立的词序列的过程[4]。通过分词，可以使句子以单个词语的形式出现，从而使整个句子的语义简单化。
常用的中文分词算法 目前，常用的中文分词算法有基于字符串匹配的分词算法、基于词的频度统计的分词算法、基于知识理解的分词算法，其中，基于字符串匹配的分词算法主要包括最大正向匹配法和最大逆向匹配法。在对社会化媒体进行分析时，笔者所采用的主要是基于字符串匹配的分词算法，所用本文主要对基本字符串匹配的分词算法进行详细的介绍。
基于字符串匹配的分词算法是按照一定的策略将待切分的汉字字符串与一个“充分大”的机器词典中的词进行匹配 [5]，也就是按照一定的策略在词典中进行对比查找。目前，基于字符串的分词算法主要有正向最大匹配算法及逆向最大匹配算法。
1）最大正向匹配法（Forward Maixmum Matching Method），通常简称FMM，其思想是假定分词词典中的最长词条有s个汉字字符，则用待切分文档的当前字串中的前i个字作为匹配字段，在词典中进行查找。整个算法的思路如图1所示。
2）逆向最大匹配法（Reverse Maximum Matching Method），通常简称为RMM法，其基本原理与FMM法相同，不同的是分词切分的方向与FMM法相反，一个是从左至右的切分，另一个是从右至左的切分，并且它们使用的分词辞典排序方式也有所不同。其算法如图2所示。
3 中文分词技术在社会化媒体分析中的应用
本文主要是对社会化媒体分析系统采集的数据，采用一定的分词算法进行处理，提炼出关键词，为后期预测社会群体的交往意向和可能发生的行为结果，以及学生群体的思维模式和行为动机等提供一定的依据。
数据采集 本文所用的数据来自项目组成员设计出来的社会化媒体分析系统，采集的是南京大学论坛数据。在该数据采集平台中，数据采集分为采集和内容采集两部分。
1）采集。先进行采集，根据采集到的，再采集相应的帖子内容。采集最多可分为四级采集，以南京大学论坛为例，南京大学论坛使用二级采集就可以采集到论坛帖子的，所有采集都是按照正则表达式来采集。在论坛中有精华帖、分页贴，精华帖需要单独处理，分页贴主要是针对帖子有多页的理由，如上一页、下一页。中文分词技术在社会化媒体中的应用由优秀论文网站www.808so.com提供,助您写好论文.
阐述中文分词技术在社会化媒体中应用
更新时间：2024-01-22
作者：用户投稿
本站原创
本站原创
点赞:5500 浏览:16856