(100.25.42.117) 您好!臺灣時間:2021/04/21 15:29
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:郭佳霖
研究生(外文):Jia-Lin Kuo
論文名稱:社群網路使用者上線時段習性分析-以「批踢踢」為例
論文名稱(外文):Analyzing the Online Regularities of Users in Social Network via ”PTT” Discussion Group
指導教授:王經篤王經篤引用關係
指導教授(外文):Jing-Doo Wang
口試委員:王經篤朱學亭陳隆彬
口試委員(外文):Jing-Doo WangHsush-Ting ChuLung-Pin Chen
口試日期:2014-07-09
學位類別:碩士
校院名稱:亞洲大學
系所名稱:資訊工程學系
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2014
畢業學年度:102
語文別:中文
論文頁數:36
中文關鍵詞:社群網站時間序列趨勢分析文件資訊擷取
外文關鍵詞:Social networkInformation extractionTrend analysesTime series
相關次數:
  • 被引用被引用:1
  • 點閱點閱:1040
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:158
  • 收藏至我的研究室書目清單書目收藏:1
本論文統計使用者在不同的週期時段在社群網路中的發文數量 , 藉此推估社群使用者上線時段習性 。首先, 研究方法採用網路機器人 , 大量自動收集社群網站發文資訊 , 然後利用文件資訊擷取技術 , 擷取出每筆討論文章之發文者 、 發文時間 、 回覆者及回覆時間等資訊 , 繼而統計出討論文章數目在三種不同時間週期 (24小時/每日 、 7日/每星期及12月份/每年) 時間區段的分佈 。 本研究實驗資料採用 「批踢踢」 社群網站 : 動漫 、 股票 、 NBA(美國職籃) 及孕婦等四個人氣較高的討論族群 , 作為不同性質的網路使用者分析來源 。 實驗結果發現 , 這些不同的討論族群 , 在不同的週期時間區段 , 有許多特殊與有趣的上網時段習性 。 這些社群網站使用者的上線時段分析 , 可以作為網路成癮研究與挑選合適商品廣告時段的重要參考資訊 。

In this paper, the periodic regularities of user online in social network are evaluated with the number of user postings according to different periodic intervals.
First of all, users' postings in social network are downloaded by web agent automatically.
Secondly, the details of those postings, such as poster's name,
post-time, responser's name, and its response-time, are extracted and collected via text mining techniques.
Thirdly, the number of postings are accumulated according to three different periodic intervals, 24 hours/per day, 7 days/per week, and 12 month/per year.
Experimental resources were downloaded from one social network, named "PTT", including four discussion groups as "anime", "stocks", "NBA" and "expectant-mother".
Experimental results revealed that these users had special surfing habits according to different periodic intervals.
These analyses of user online in social network provides important information for researching on internet addiction and seeking appropriate time-intervals for advertisement.

目錄
第一章 前言 1
第二章 文獻探討 3
社群網站 . . . . . . . . . . . . . . . . . . . . . . . . . . 3
族群上線時間 . . . . . . . . . . . . . . . . . . . . . . . . 3
關聯分析 . . . . . . . . . . . . . . . . . . . . . . . . . . 4
商業應用 . . . . . . . . . . . . . . . . . . . . . . . . . . 4
批踢踢(PTT) . . . . . . . . . . . . . . . . . . . . . . . . 5
網路代理人(WebAgent) . . . . . . . . . . . . . . . . . . 5
文字資訊擷取 . . . . . . . . . . . . . . . . . . . . . . . . 5
第三章 方法 7
網頁自動下載 . . . . . . . . . . . . . . . . . . . . . . . . 7
文件資訊擷取 . . . . . . . . . . . . . . . . . . . . . . . . 9
週期時間區段統計 . . . . . . . . . . . . . . . . . . . . . 10
使用者關聯統計 . . . . . . . . . . . . . . . . . . . . . . . 10
第四章 實驗結果 13
資料來源 . . . . . . . . . . . . . . . . . . . . . . . . . . 13
iii實驗結果 . . . . . . . . . . . . . . . . . . . . . . . . . . 13
使用者上線時段分析 . . . . . . . . . . . . . . . . 13
週期時間區段-每日24小時 . . . . . . . . . . . . . 15
週期時間區段-每週7日 . . . . . . . . . . . . . . . 16
週期時間區段-每年12月份 . . . . . . . . . . . . . 18
使用者關連圖 . . . . . . . . . . . . . . . . . . . . 19
第五章 討論與結論 22
附錄 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
網頁下載程式碼 . . . . . . . . . . . . . . . . . . 31
字串比對程式碼 . . . . . . . . . . . . . . . . . . 31
字串比對語法 . . . . . . . . . . . . . . . . . . . . 32
原始碼相對位置 . . . . . . . . . . . . . . . . . . 32
時間統計程式碼 (24小時) . . . . . . . . . . . . . 32
時間統計程式碼 (星期與月份) . . . . . . . . . . . 33
使用者關連程式碼 . . . . . . . . . . . . . . . . . 33
iv表目次
1 文章篇數統計 . . . . . . . . . . . . . . . . . . . . . . . . 13
圖目次
1 社群網路使用者上線時段分析-系統概念圖 . . . . . . . . . 8
2 網頁自動下載 . . . . . . . . . . . . . . . . . . . . . . . . 8
3 頁面編號 . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4 文件資訊擷取程式 . . . . . . . . . . . . . . . . . . . . . 9
5 文件資訊擷取 . . . . . . . . . . . . . . . . . . . . . . . . 9
6 NodeXL官方網頁 . . . . . . . . . . . . . . . . . . . . . 11
7 使用者關聯矩陣 . . . . . . . . . . . . . . . . . . . . . . . 11
8 使用者關連圖(以圖7矩陣資料為例) . . . . . . . . . . . . . 12
9 PTT首頁 (2014.6.30) . . . . . . . . . . . . . . . . . . . 14
10 PTT文章列表 (2014.6.30) . . . . . . . . . . . . . . . . . 14
11 每日24小時 . . . . . . . . . . . . . . . . . . . . . . . . . 15
12 每週7日 . . . . . . . . . . . . . . . . . . . . . . . . . . 17
13 每年12月份 . . . . . . . . . . . . . . . . . . . . . . . . . 18
14 使用者關連圖(2013年10月7日至11日 NBA 討論區) . . . 20
15 使用者關連統計 . . . . . . . . . . . . . . . . . . . . . . . 20
16 網頁下載程式碼 . . . . . . . . . . . . . . . . . . . . . . . 31
17 字串比對程式碼(作者ID 部份) . . . . . . . . . . . . . . . 31
vi18 字串比對語法 . . . . . . . . . . . . . . . . . . . . . . . . 32
19 網頁原始碼(作者ID 部份) . . . . . . . . . . . . . . . . . 32
20 時間統計程式碼(24小時) . . . . . . . . . . . . . . . . . . 32
21 時間統計程式碼(星期與月份) . . . . . . . . . . . . . . . . 33
22 使用者關連程式碼 . . . . . . . . . . . . . . . . . . . . . 33
參考文獻
[1] 中央社新聞,2013.11.15 報導, 全球瘋社群網站 16 億人使用.
http://www.cna.com.tw/news/ait/201311200344-1.aspx.
[2] 中央社新聞,2014.2.2 報導, 臉書誕生10 週年 用戶破 12 億人.
http://www.cna.com.tw/news/ait/201402020098-1.aspx.
[3] 中研院中文斷詞系統. http://ckipsvr.iis.sinica.edu.tw/, 2014.
[4] 今周刊601 期報導, 解構台灣最大網路社群批踢踢 (PTT).
https://www.businesstoday.com.tw/article-content-80394-94075.
[5] 吳蕙如. 建構發覺社群網站興趣群組為基礎的商品推薦系統之研究. 第
五屆知識社群研討會, pages 1–10, 2009.
[6] 李素箱. A study of the influence of computer and internet use
time on bmi and self-conscious health condition for students in
universities of different attribute. 2007.
[7] 李紹良. How is 150000 users’ bbs possible:the study of ptt ’s
technological change. , 國立政治大學, 6 2012.
[8] 林建碩. An algorithm for simple regular expression matching. 交
通大學電信工程系所學位論文, pages 1–33, 2010.
24[9] 林倩如. 當資源變成來源主流媒體如何從網路製造新聞. 淡江大學大眾
傳播學系碩士班學位論文, pages 1–121, 2007.
[10] 徐美芬. A research on bbs users posting up strategies–a case study
on education board of national chiao tung university department
of computer and information science bbs.
[11] 張力元. 虛擬社群之價值共創活動以bbs 社群為例. 2004.
[12] 陳永齡. A text-matching mechanism through regular expressions
and its application to route planning service. 2010.
[13] 陳康毅. Research on extraction of conference information based on
regular expressions. 淡江大學資訊管理學系碩士班學位論文, pages
1–51, 2011.
[14] Tony Stubblebine 著.林長毅 編譯. 正規式速查手冊. O’REILLY,
first edition, 2005.
[15] 維基百科 PTT, 2014. http://zh.wikipedia.org/wiki/
[16] 劉嵋璊. 社會網絡平台資訊擴散之研究以PTT 與 Facebook 為例.
2011.

[17] 數位雜誌,2007.1.31 報導,PTT 技術老掉牙 75 萬網友還是最愛它.
http://www.bnext.com.tw/article/view/id/4136.
[18] 樊祖燁. 社群網站之關係品質資訊分享意願與購買意願對忠誠度影響之
研究-以Mobile01為例. Web Journal of Chinese Management Re-
view, 17(1):2–19, 2014.
[19] 韓佩凌. 台灣中學生網路使用者特性, 網路使用行為, 心理特性對網路
沉迷現象之影響. 臺灣師範大學教育心理與輔導學系學位論文, pages
1–144, 1999.
[20] 竇其仁. 網路代理人. 知城, 2006.
[21] 蘇嘉慧. A study on the placement marketing, brands and satis-
faction affecting consumers’ purchase intention. 2010.
[22] NodeXL, 2014. http://nodexl.codeplex.com/.
[23] PTT, 2014. https://www.ptt.cc/index.html.
[24] Yahoo sport, 2014. http://tw.sports.yahoo.com/nba.html.
[25] Hend S. Al-Khalifa. Exploring political activities in the saudi twitterverse.
In Proceedings of the 13th International Conference on Information Integra-
tion and Web-based Applications and Services, iiWAS ’11, pages 363–366, New
York, NY, USA, 2011. ACM.
[26] Ken A. Smith Anat BarNir. Interfirm alliances in the small business: The role
of social networks. Journal of Small Business Management, 40(3):219–232,
2002.
27] Francesco Bonchi, Carlos Castillo, Aristides Gionis, and Alejandro Jaimes.
Social network analysis and mining for business applications. ACM Trans.
Intell. Syst. Technol., 2(3):22:1–22:37, May 2011.
[28] Elizabeth M Bonsignore, Cody Dunne, Dana Rotman, Marc Smith, Tony
Capone, Derek L Hansen, and Ben Shneiderman. First steps to netviz nir-
vana: evaluating social network analysis with nodexl. In Computational Sci-
ence and Engineering, 2009. CSE’09. International Conference on, volume 4,
pages 332–339. IEEE, 2009.
[29] Sean M Burke, Nathan Torkington, and Gisle Aas. Perl and LWP. Fetching
Web Page, Parsing HTML, Writing Spiders and More. O’Reilly, Beijing, 2002.
[30] Hung-Yu Kao Chih-Lu Lin. Blog Popularity Mining Using Social Interconnec-
tion Analysis. IEEE, 14(4):41–49, 2010.
[31] Randal L. Schwartz、brian d foy、Tom Pho. Perl 學習手冊 (第六版). O’Reilly,
Beijing, 2012.
[32] Ralph Grishman. Information extraction: Techniques and challenges. In Infor-
mation Extraction A Multidisciplinary Approach to an Emerging Information
Technology, pages 10–27. Springer, 1997.
[33] Derek Hansen, Ben Shneiderman, and Marc Smith. Analyzing social media
networks: Learning by doing with nodexl, 2009.
[34] Derek Hansen, Ben Shneiderman, and Marc A Smith. Analyzing social media
networks with NodeXL: Insights from a connected world. Morgan Kaufmann,
2010.
[35] Jérˆome Kunegis, Andreas Lommatzsch, and Christian Bauckhage. The slash-
dot zoo: Mining a social network with negative edges. In Proceedings of the
18th International Conference on World Wide Web, WWW ’09, pages 741–
750, New York, NY, USA, 2009. ACM.
[36] G. L. Lilien. DSS Effectiveness in Marketing Resource Allocation Decisions:
Reality vs. Perception. Information Systems Research , 15(3):216–235, 2004.
[37] Sorin Matei. Analyzing social media networks with nodexl: Insights from
a connected world by derek hansen, ben shneiderman, and marc a. smith:
Burlington, ma: Morgan kauffman, 2011. 284 pages. isbn: 978-0-12-382229-1.
Intl. Journal of Human–Computer Interaction, 27(4):405–408, 2011.
[38] Sorin Matei. Analyzing social media networks with nodexl: Insights from
a connected world by derek hansen, ben shneiderman, and marc a. smith:
Burlington, ma: Morgan kauffman, 2011. 284 pages. isbn: 978-0-12-382229-1.
Intl. Journal of Human–Computer Interaction, 27(4):405–408, 2011.
[39] Bhasker Pant Mr. Akash Shrivastava. Opinion extraction and classification of
real time facebook status. Global Journal of Computer Science and Technology,
12:34–39, 2012.
[40] Darko Obradovic, Stephan Baumann, and Andreas Dengel. A social network
analysis and mining methodology for the monitoring of specific domains in
the blogosphere. 2012 IEEE/ACM International Conference on Advances in
Social Networks Analysis and Mining, 0:1–8, 2010.
[41] Daniel Ritter. From network mining to large scale business networks. In
Proceedings of the 21st International Conference Companion on World Wide
Web, WWW ’12 Companion, pages 989–996, New York, NY, USA, 2012. ACM.
[42] J. Wilson. Social networking: the business case. Engineering & Technology,
4:54–56, 2009.
[43] Ling Li a c Wu Hea, Shenghua Zhab. Social media competitive analysis and
text mining : A case study in the pizza industry. International Journal of
Information Management, 2013.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔