微博数据挖掘研究综述

摘
要
随着近 几年 微博 的快 速发展 与普及 ， 微 博 凭借 平 台的开放 性 、 终端扩 展性 、 内容 简洁性 和低 门槛
等特 性 ， 在 网 民 中快速 渗 透 ， 已发展 成一 个 重要 的社会 化 媒体 ， 微 博 成 为 网 民 获取 新 闻 时事 、 人 际交往 、
自我表 达 、 社 会 分享 以及社 会参 与 的重要 媒 介 以及 社会 公 共舆 论 的重要 平 台 ， 对 国家安 全 和社会 发展 产
（ Ｃ ０ ｚ ｚ Ｐ ｇ ｅ ｏ ｆ Ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ Ｓ ｙ ｓ ｔ ｅ ｍｓ ａ ｎ ｄ Ｍａ ｎ ａ ｇ ｅ ｍｅ ｎ ｔ ， Ｎａ ｔ ｉ ｏ ｎ ａ ｌ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｄｅ ｆ ｅ ｎ ｓ ｅ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ， Ｃ ｈ ａ ｎ ｇ ｓ ｈ ａ ４ １ ０ ０ ７ ３ ）
。 （ Ｓ ｃ ｉ ｅ ｎ ｃ 日 ｄ Ｔｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｏ ｎ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｓ ｙ ｓ ｔ ｅ ｍｓ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ Ｌａ ｂ ｏ ｒ ａ ｔ ｏ ｒ ｙ，Ｎａ ｔ ｉ ｏ ｎ ａ ｌ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｄｅ ｆ ｅ ｎ ｓ ｅ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ’
ａ ｄｖ ａ ｎ ｔ ａ ｇ ｅ ｓ，ｍ ｉ ｃ ｒ ｏｂ ｌ ｏ ｇｓ ｍａ ｙ ｃ ａ ｕ ｓ ｅ ｓ ｅ ｒ ｉ ｏｕ ｓ ｉ ｍｐ ａ ｃ ｔ ｓ ｏ ｎ ｔ ｈ ｅ ｎａ ｔ ｉ ｏ ｎａ ｌ ｓ ｅ ｃ ｕｒ ｉ ｔ ｙ ａ ｎｄ ｓ ｏｃ ｉ ａ ｌ ｄ ｅ ｖ ｅ ｌ ｏ ｐｍｅ ｎ ｔ ｉ ｆ ｔ ｈｅ ｖ ａ ｒ ｅ ｏ ｕｔ ｏ ｆ ｃ ｏ ｎｔ ｒ ｏ １ ． Ｔｈ ｅ ｒ ｅ ｆ ｏｒ ｅ，ｔ ｈｅ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｏｎ ｍｉ ｃ ｒ ｏ ｂｌ ｏ ｇ ｓ ｉ ｓ ｑ ｕｉ ｔ ｅ ｖ ａ ｌ ｕ ａ ｂｌ ｅ ｆ ｒ ｏ ｍ ｂ ｏ ｔ ｈ ｔ ｈｅ ｏ ｒ ｅ ｔ ｉ ｃ ａ ｌ ａ ｎｄ ｐ ｒ ａ ｃ ｔ ｉ ｃ ａ ｌ ｐｅ ｒ ｓ ｐｅ ｃ ｔ ｉ ｖ ｅ，ｅ ｓ ｐ ｅ ｃ ｉ ａ ｌ ｌ ｙ ｉ ｎ ｔ ｈ ｉ ｓ ａ ｇ ｅ ｏ ｆ ｔ ｈｅ ｌ ｎ ｔ ｅ ｒ ｎｅ ｔ ．Ａ ｎ ａ ｌ ｙ ｚ ｉ ｎｇ ａ ｎ ｄ ｍｉ ｎｉ ｎ ｇ ｍｉ ｃ ｒ ｏ ｂｌ ｏ ｇｓ ａ ｌ ｓ ｏ ｂ ｒ ｉ ｎｇ ｓ ｇｒ ｅ ａ ｔ ｃ ｈ ａ ｌ ｌ ｅ ｎｇ ｅ ｓ ． Ａｓ ｃ ａ ｎ ｂｅ ｓ ｅ ｅ ｎ，ｍ ｉ ｃ ｒ ｏ ｂｌ ｏ ｇｓ ｃ ａ ｎ ｂｅ ｔ ｒ ｅ ａ ｔ ｅ ｄ ａ ｓ ａ ｇ ｅ ｎｅ ｒ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｎｄ ｅ ｘｔ ｅ ｎｓ ｉ ｏ ｎ ｏ ｆ ｈｕｍａ ｎ ｌ ｉ ｆ ｅ ｉ ｎ ｔ ｈ ｅ ｖ ｉ ｒ ｔ ｕａ １ ｎ ｅ ｔ ｗｏ ｒ ｋ ｗｏｒ ｌ ｄ． Ｈ ｏ ｗｅ ｖ ｅ ｒ，ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｔ ｆ ｒ ｏ ｍ ｔ ｒ ａ ｄｉ ｔ ｉ ｏ ｎａ ｌ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｎ ｅ ｔ ｗｏ ｒ ｋｓ，
方 法和挖 掘 目标 上都 与传 统信 息 系统 具 有 很 大差 别 ， 在 相 关技 术 的研 究上 也 带 来 了更 大 的挑 战． 针 对
收 稿 日期 ： ２ ０ １ ３ ０ １ — ２ １ ； 修 回 日期 ： ２ ０ １ ３ ０ ８ — ２ ７
基金 项 目： 国家 “ 九 七 三” 重 点 基 础 研 究 发 展 计 划 基 金 项 目（ ２ ０ １ ３ Ｃ Ｂ ３ ２ ９ ６ ０ １ ， ２ ０ １ ３ Ｃ Ｂ ３ ２ ９ ６ ０ ２ ） ； 国 家 自然 科 学 基 金 项 目 （ ６ １ ３ ７ ２ １ ９ １ ， ７ １ ３ ３ １ ０ ０ ８
６ｌ ３ ０ ２ １ ４ ４）
６ ９ ２
计算机研究与发展
２ ０ １ ４ ，５ １ （ ４ ）
微博 的新特 性 ， 研 究 了微 博近 几 年 的相 关研 究现 状 ， 同时分 析 了 Ｔ ｗｉ ｔ ｔ ｅ ｒ 数 据 集特 征 ， 且 总 结 了未 来研
究面 临的挑 战．
关键词 微 博 ； 数 据挖 掘 ； 文本挖 掘 ； 社会 网络 ； 社会 媒 体
ｍｉ ｎ ｉ ｎ ｇ ｆ ｏ ｒ ｍｉ ｃ ｒ ｏ ｂ ｌ ｏ ｇ ｓ ａ ｎ ｄ ａ ｎ ａ ｌ ｙ ｚ ｅ ｔ ｈ ｅ ｄ ａ ｔ ａ ｓ ｅ ｔ ｏ ｆ Ｔｗｉ ｔ ｔ ｅ ｒ ．Ｍｏ ｒ ｅ ｏ ｖ ｅ ｒ ，ｗｅ ｓ ｕ ｍ ｍａ ｒ ｉ ｚ ｅ ｔ ｈ ｅ ｃ ｈ ａ ｌ ｌ ｅ ｎ ｇ ｅ ｓ ｏ ｆ
互 联 网的方式 产生 了深 刻变 革—— 由简单 信息 搜索 和 网页浏 览转 向网上 社 会 关 系 的构 建 与 维 护 、 基 于 社会 关 系 的信 息创 造 、 交流 和共享 ． 特 别是 近几 年微 博 的快速 发展 与普 及 ， 微 博凭 借平 台 的开放 性 、 终端
中 图 法分 类号 ＴＰ ３ ９ １
互联 网正 逐步 演变 为无 处不 在 的计 算平 台和信 息传 播 平 台． 微博 、 在 线 社 交 网站 、 博客 、 论坛 、 维 基
等社 交 网络应 用 的 出现 和 迅 猛 发 展 ， 使得 人 类 使 用
均 Ｉ Ｐ访 问量 约 为 ５ ０ ０ ０万 ， 日均 Ｐ Ｖ浏览 量约为 ３
计 算 机 研 究 与 发 展
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｃｏ ｍｐ ｕ ｔ ｅ ｒ Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ ａ ｎ ｄ Ｄｅ ｖ ｅ ｌ ｏ ｐ ｍｅ ｎ ｔ
ＤＯ Ｉ ： １ ０ ． ７ ５ ４ ４ ／ ｉ ｓ ｓ ｎ １ ０ ０ ０ — １ ２ ３ ９ ． ２ ０ １ ４ ． ２ ０ １ ３ ０ ０ ７ ９
（ ｚ ｙ ｄ ｉ ｎ ｇ ＠ｎ ｕ ｄ ｔ ． ｅ ｄ ｕ ． ｃ ｎ ）
Βιβλιοθήκη Baidu
长沙
４ １ ０ ０ ７ ３ ）
Ｓｕ ｒ ｖ ｅ ｙ ｏ ｆ Ｄａ ｔ ａ Ｍｉ ｎｉ ｎ ｇ ｆ ｏ ｒ Ｍｉ ｃ ｒ ｏ ｂｌ ｏ ｇ ｓ
Ｄｉ ｎ ｇ Ｚ ｈ ａ ｏ ｙ ｕ ｎ ＇ ， ｕ ，Ｊ ｉ ａ Ｙａ ｎ 。 ，ａ ｎ ｄ Ｚ ｈ ｏ ｕ Ｂｉ ｎ 。
Ｃｈａｎ ｇｓ ｈ ａ ４１ ００ ７３）
。 （ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｃｏ ｍｐ ｕ ｔ ｅ ｒ ，Ｎａ ｔ ｉ ｏ ｎ ａ ｌ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｄｅ ｆ ｅ ｎ ｓ ｅ Ｔｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇｙ，Ｃｈ ａ ｎ ｇｓ ｈ ａ ４ １ ０ ０ ７ ３ ）
ｃ ｏ ｍｍｅ ｎ ｔ ｓ ，ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ａ ｃ ｑ ｕ ｉ ｒ ｅ ｋ ｎ ｏ ｗｌ ｅ ｄ ｇ ｅ ，ｔ ｏ ｎ ａ ｍｅ ｊ ｕ ｓ ｔ ａ ｆ ｅ ｗ．Ｔｈ ｏ ｕ ｇ ｈ ｂ ｅ ａ ｒ ｉ ｎ ｇ ｓ ｕ ｃ ｈ
生 了深远 的影 响． 微博 是人 类在 虚 拟 网络 世 界 生活 的抽 象概 括 和延 伸 ， 与 一 般信 息 网络 不 同， 微博本 身 具 有 大规 模 、 噪音 数据 多样 性 、 快速 传播 演化 性 、 非线 性 、 社 会 媒 体性 以及 多关 系等 特 征 ， 因此其 在 分 析
亿 次． 市场研 究机 构 Ｓ ｅ ｍｉ ｏ ｃ ａ ｓ ｔ 对２ ０ １ ２年 ６月 份 发 布于 Ｔ ｗｉ ｔ ｔ ｅ ｒ 上的 １ ０ ． ５ ８亿 条博 文 进 行 了分 析 ， 结
果显示 ， 截至 ２ ０ １ ２ — ０ ７ — ０ １ ， Ｔｗｉ ｔ ｔ ｅ ｒ的注 册 用 户 数 已 经达 到 ５ ． １ ７亿 ， 如图 １ 、 图 ２所 示 ， 美 国本 土 注 册 的
ｒ ｅ ｌ ａｔ ｉ ｏ ｎｓ，ｔ ｈｅ ｒ ａ ｐ ｉ ｄ ｓ ｐ ｒ ｅ ａ ｄ ａ ｎ ｄ ｅ ｖｏ ｌ ｕ ｔ ｉ ｏ ｎａ ｒ ｙ，ｎ ｏｎ ｌ ｉ ｎｅ ａ ｒ ｉ ｔ ｙ，ｌ ａ ｒ ｇｅ ｓ ｃ ａ ｌ ａ ｂｉ ｌ ｉ ｔ ｙ ａ ｎｄ ｅ ｔ ｃ ． Ｓｕｃ ｈ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｓ ｂ ｒ ｉ ｎｇ ｆ ｏ ｒ ｔ ｈ ｇ ｒ ｅ ａ ｔ ｃ ｈａ ｌ ｌ ｅ ｎ ｇｅ ｓ ｉ ｎ ａ ｎａ ｌ ｙ ｚ ｉ ｎ ｇ ａ ｎ ｄ ｍｉ ｎｉ ｎｇ ｔ ｈｅ ｍｉ ｃ ｒ ｏ ｂｌ ｏｇ ｓ ．Ｉ ｎ ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ，ｗｅ ｓ ｕ ｒ ｖｅ ｙ ｔ ｈｅ ｄａ ｔ ａ
ｍｉ ｃ ｒ ｏ ｂ ｌ ｏ ｇ ｓ ｈ ａ ｖ ｅ ｔ ｈ ｅ ｉ ｒ ｕ ｎ ｉ ｑ ｕ ｅ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｓ ，ｉ ｎ ｃ ｌ ｕ ｄ ｉ ｎ ｇ ｎ ｏ ｉ ｓ ｙ ｄ ａ ｔ ａ ｄ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ， ｓ ｏ ｃ ｉ ａ ｌ ｍｅ ｄ ｉ ａ ， ｍｕ ｌ ｔ ｉ —
ｄ ａ ｔ ａ ｍｉ ｎｉ ｎ ｇ ｆ ｏ ｒ ｍｉ ｃ ｒ ｏ ｂｌ ｏ ｇｓ ．
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ｍｉ ｃ ｒ ｏ ｂ ｌ ｏ ｇ ｓ ；ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ ；ｔ ｅ ｘ ｔ ｍｉ ｎ ｉ ｎ ｇ ；ｓ ｏ ｃ ｉ ａ ｌ ｎ ｅ ｔ ｗｏ ｒ ｋ；ｓ ｏ ｃ ｉ ａ ｌ ｍｅ ｄ ｉ ａ
５１（ ４ ）：６９ １ —７ ０６，２Ｏ １４
微 博 数 据 挖 掘 研 究 综 述
丁兆云 贾 焰 。 周 斌。
长沙 ４ １ ０ ０ ７ ３ ） ４ １ ０ ０ ７ ３ ）
・ （ 国防 科 学 技 术 大 学 信 息 系统 与 管 理 学 院
ｚ （ 国防 科 学 技 术 大学 信 息 系 统 工 程 重 点 实 验 室 长沙 ｓ （ 国防 科 学 技 术 大学 计 算 机 学 院
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ Ｔｈ ｅ ｐ ａ ｓ ｔ ｆ ｅ ｗ ｙ ｅ ａ ｒ ｓ ｔ ｈ ｅ ｒ ａ ｐ ｉ ｄ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍｅ ｎ ｔ ａ ｎ ｄ ｐ ｏ ｐ ｕ ｌ ａ ｒ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｍｉ ｃ ｒ ｏ ｂ ｌ ｏ ｇ ｓ ｈ ａ ｖ ｅ ａ ｌ ｒ ｅ ａ ｄ ｙ ｂ ｅ ｅ ｎ ｗｉ ｔ ｎ ｅ ｓ ｓ ｅ ｄ ． Ｄｕ ｅ ｔ ｏ ｔ ｈ ｅ ｉ ｒ ｏ ｐ ｅ ｎ ｎ ｅ ｓ ｓ ，ｔ ｅ ｒ ｍｉ ｎ ａ ｌ ｅ ｘ ｐ ａ ｎ ｓ ｉ ｏ ｎ，ｃ ｏ ｎ ｔ ｅ ｎ ｔ ｓ ｉ ｍｐ ｌ ｉ ｃ ｉ ｔ ｙ ，ｌ ｏ ｗ ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ａ ｎ ｄ Ｓ Ｏ Ｏ ｎ 。ｍｉ ｃ ｒ ｏ ｂ ｌ ｏ ｇ ｓ ｄ ｅ ｅ ｐ ｌ ｙ ａ ｆ ｆ ｅ ｃ ｔ ｏ ｕ ｒ ｄ ａ ｉ ｌ ｙ ｌ ｉ ｆ ｅ ｂ ｙ ｐ ｒ ｏ ｖ ｉ ｄ ｉ ｎ ｇ ａ ｎ ｉ ｍｐ ｏ ｒ ｔ ａ ｎ ｔ ｐ ｌ ａ ｔ ｆ ｏ ｒ ｍ ｆ ｏ ｒ ｐ ｅ ｏ ｐ ｌ ｅ ｔ ｏ ｐ ｕ ｂ ｌ ｉ ｓ ｈ