基于微博数据 研究分析客家文化
时间：2023-05-18 08:36:01 | 来源：网站运营
时间：2023-05-18 08:36:01 来源：网站运营
基于微博数据 研究分析客家文化：每到毕业季，给大学生们提供网络爬虫工具的技术指导，教会他们用数据采集和内容分析软件工具完成毕业设计和论文，是我们的一项重要工具。在此过程中，我们也接触和观察到很多有意义的研究课题和研究过程，本文即为一例。
1，研究案例：微博上研究客家文化
某高校大学生用内容分析法研究客家文化，样本来自于新浪微博，量化分析微博上关于客家文化的内容呈现，并利用转发和评论数据进行传播分析。
微博因为信息丰富、多样且开放，是最佳的数据渠道，已经产生了大量的微博场域的传统文化数字化生存状态的研究。
2，多种呈现方式的数据采集
GooSeeker有一套微博采集工具箱
[1]，专门面向不希望编写网络爬虫程序的研究者设计的。
例如，可以先从微博关键词搜索入口，把涉及“客家”的微博内容采集下来，微博的内容呈现方式很丰富，文字、图片、视频都有。这些内容都可以采集下来，分别进行分析。例如，将视频采集下来以后抽取关键帧图片，利用图片分析方法进行分析。
针对重点的微博内容，可以深入采集转发和评论，转发者和评论者，可分析和描述转发者和评论者的传播者特征。还可以根据博主的粉丝数计算传播的量化特征。
GooSeeker微博工具箱里有多个微博采集工具，匹配高校师生从不同角度、不同传播路径、不同内容呈现采集数据的需求。同样也适用于公共领域和民间舆论场分析，市场和商业环境分析等。
3，怎样采集更多数据
在这个客家文化相关内容的研究过程中，研究者发现采集到的数据很少，经过分析发现，微博网站改版了，新版内容呈现方式变了，大量采用瀑布流。鼠标往下滚动才有新内容加载出来，不再有翻页了。
而老版很多是翻页方式，网络爬虫会逐页翻页爬取微博内容，而瀑布流方式，网络爬虫需要自动滚鼠标，新加载的内容都显示在当前网页上，网页会变得很长，占用太多内存，终究会受限。
下图展示了进入新版的方法，如果在网络爬虫浏览器打开新版的微博网页，那么GooSeeker微博采集工具箱就会失效。
所以，在网络爬虫的浏览器中，要预先把微博界面设置成老版本，如下图返回老版本
4，文本分词和自然语言处理
内容分析作为一种量化分析手段，首先要把被分析的内容切成某种分析单元。以词作为分析单元是最常见的，因为分词技术很成熟，可以自动化完成。当然，根据研究目的，也许以句子或者段落或者篇章作为分析单元更合适。
GooSeeker分词和文本挖掘工具
[2]是特别适合高校师生使用的一个文本分析工具。只需把采集到的微博内容以excel格式导入到该工具，就可导出词频词性表。下图罗列了常见的导出表。除此之外，还可以导出文本分类表和情感分类表。
还能生成可视化图，例如，词云图和社交关系图（下图是另外一个研究题目的词云的社交关系图）
参考
- ^Gooseeker微博工具箱 https://www.gooseeker.com/land/weibo.html
- ^Gooseeker分词和文本分析工具 https://www.gooseeker.com/res/softdetail_13.html
在线咨询
