媒体大数据挖掘与案例实战

什么是大数据（Big Data）？它将如何改变我们的社会生活？《媒体大数据挖掘与案例实战》课程内容涵盖“大数据”的主要几个方面，包含数据获取、文本分析、网络分析、数据挖掘和

大数据可视化等方面，旨在帮助学生认识大数据，同时学习分析方法，掌握相关技术。

课程章节

第一讲：绪论

∙ 1.1 大数据的概念及发展趋势

∙ 1.2 融媒体时代下的媒体数据特性

∙ 1.3 数据挖掘技术与应用场景

∙ 1.4 数据新闻的理解与发展

第二讲：数据获取

∙ 2.1 数据爬取的基础知识

∙ 2.2 HTML基础与正则表达式基础

∙ 2.3 Gooseeker-数据爬取软件基础介绍

∙ 2.4 Python-数据爬取程序基础介绍

∙ 2.5 API的基础介绍与原理1

∙ 2.6 API的基础介绍与原理2

∙ 2.7 Gooseeker数据爬取案例-爬虫规则的制作

∙ 2.8 python数据爬取案例-爬虫规则的编写

∙ 2.9 python数据爬取案例-api的使用

∙ 2.10 python数据爬取案例-模拟浏览器

第三讲：文本分析：内容的挖掘

∙ 3.1 文本分析的概念与分词

∙ 3.2 KNIME中的英文分词案例

∙ 3.3 初识中文分词

∙ 3.4 中文分词的案例实战

∙ 3.5 中文关键词提取的方法与案例实战

∙ 3.6 中文停用词过滤的案例实战

∙ 3.7 中文词频统计的案例实战

∙ 3.8 中文命名实体的方法与案例实战

第四讲：网络分析：关系的挖掘

∙ 4.1 初识网络分析

∙ 4.2 社会关系网络网络挖掘实战1

∙ 4.3 微博传播网络挖掘案例1

∙ 4.4 网络的基本概念与特征量

∙ 4.5 社会网络分析

∙ 4.6 社交网络传播

∙ 4.7 社交网络营销

∙ 4.8 网络传播结构的构建方法

∙ 4.9 网络传播结构的解读

第五讲：数据挖掘

∙ 5.1 数据挖掘的基础理论与价值

∙ 5.2 数据挖掘的基本概念与方法

∙ 5.3 数据挖掘案例-modeler软件的使用与操作∙ 5.4 数据挖掘的商业应用于主要技术

∙ 5.5 文本挖掘案例:新闻聚类

∙ 5.6 文本挖掘案例:图书评论的情感分类

∙ 5.7 推荐系统的基本介绍

∙ 5.8 基于深度学习的海报推荐系统

第六讲：大数据可视化

∙ 6.1 初识大数据可视化

∙ 6.2 可视化技术概述

∙ 6.3 可视化技术分类

∙ 6.4 数据挖掘与可视化

∙ 6.5 不同数据类型的可视化技术

∙ 6.6 数据新闻可视化

∙ 6.7 媒体大数据可视化

∙ 6.8 可视化案例分析一：个性化词云制作

∙ 6.9 可视化案例分析二：网络爬虫技术

∙ 6.10 可视化案例分析三：Echart可视化技术∙ 6.11 可视化案例分析四：Excel高级应用1∙ 6.12 可视化案例分析四：Excel高级应用2∙ 6.13 可视化案例分析四：Tableau可视化技术∙