23、意见领袖识别与人员分析实践

意见领袖识别与人员分析实践

在当今数字化时代，数据的价值愈发凸显。无论是识别网络意见领袖，还是进行人员分析以辅助企业决策，数据都扮演着关键角色。下面将为大家详细介绍相关的研究方法和实践案例。

意见领袖识别实验

实验数据

本次研究的数据来源于大众点评网，这是一个典型的第三方平台，能引导用户提供在线口碑信息。数据采集借助第三方采集器“Octopus”完成。对于每条在线口碑，研究收集了用户姓名、发布时间、口碑文本和图片数量；对于每个用户，收集了用户名、好友数量、粉丝数量、互动次数、在线口碑总数、发布时间、点赞数、回复数以及发布频率。截至2017年3月30日，“Octopus”在托乐嘉商业区共收集到5658条评论数据和用户数据。原始用户数据经过以下四个步骤进行清洗：
1. 删除1239条重复数据；
2. 删除M值为零的899条数据；
3. 删除在线口碑总数不超过3条的379条数据；
4. 根据用户数据清理评论数据。

完成这些步骤后，剩余3141条数据。在数据预处理阶段，使用Excel计算时间间隔T、点赞和回复数之和DH以及好友和粉丝数之和DC。其中，DH是通过在线口碑的有用性计算得出的人工神经网络输出，DC是通过用户活跃度计算得出的输出。

情感（S）测量

使用Python语言和一些中文文本挖掘工具来测量S值，具体步骤如下：
1. 首先使用NLPIR提取关键词并进行词频统计，构建适合本研究的专用词典。根据关键词提取和词频统计结果，向词典中添加了一些特殊词汇，如“李公主卷”“棒棒哒”“麻麻”“寿喜锅”等。
2. 使用Jieba加载“posseg”组件，基于专用词典进