网络舆情关联度分析：用户与事件的链接

"面向网络舆情的关联度分析" 这篇论文主要探讨了如何通过对网络舆情的关联度分析来识别和监控潜在的用户行为。网络舆情事件如果处理不当，可能会导致用户的过激反应，因此对这些事件进行深入分析至关重要。作者首先对用户数据进行了预处理，包括清洗用户信息，如将身份证号还原为性别、发证地和出生年月日等基本信息。同时，利用`replace pioneer`软件从HTML文件中提取关键信息，如QQ、手机号和作者，并将这些信息手动整合到Excel表格中。 在文本处理方面，论文对TXT文件中的事件标题进行了中文分词，以便更好地理解事件内容。随后，抽取出包含用户信息属性的事件，并将其转化为“用户-事件-用户”的结构。作者利用`Clementine`软件对这些数据进行分析，计算表的置信度和构建网络图，以此揭示用户之间的关联性。例如，分析结果显示余晓明、丁羽心和马小龙之间存在某种关联。 然而，模型的初步尝试存在一些问题，如属性之间缺乏权重分配，HTML文件中未包含MSN信息，以及QQ信息未能与事件信息匹配。因此，作者对用户信息进行了重新定义，将其分为姓名、地址和性别三个属性。姓名由HTML中提取的作者和分词后的人名组成，性别由HTML中的信息获取（但存在大量缺失值），地址则由地方网址和事件标题分词后的地址共同构成。 接下来，作者使用C++软件处理这些信息，通过计算欧氏距离来找出用户与事件之间的最短距离，从而确定用户与事件的关联程度。这种方法使得钟建国和胡万林等人之间的关联关系得以显现。通过优化模型，如距离标准化，可以更精确地计算用户之间的关系，增强了分析的清晰度。 论文的关键技术包括`replace pioneer`用于HTML信息提取，中文分词技术用于文本理解，`Clementine`软件用于数据挖掘和关联分析，以及欧氏距离算法用于确定用户与事件的关联度。此研究对于网络舆情监控具有实际意义，能够帮助找出事件中的关键人物以及他们之间的联系，从而实现对用户行为的有效监督。 关键词：网络舆情、replace pioneer、中文分词、Clementine、关联度、欧氏距离、泰迪华南杯数据挖掘竞赛、论文报告。