我是数据挖掘和实验的新手.
假设我有N个推特用户和我想找的东西
是他们写的总体主题(基于推文).
然后,如果该用户拥有更高的粉丝,我想为每个主题赋予更高的权重.
然后我想合并所有主题,如果有足够的相似但仍然
通过推特计数保留权重.
所以基本上是按权限排名的“重要”主题列表(用户的推特数量)
例如,像news.google.com,但排名将基于负责主题的Twitter粉丝.
我更喜欢python中的一些东西,因为那是我最熟悉的语言.
有任何想法吗？
谢谢
编辑：
这是我正在尝试做的一个很好的例子(但是有差异数据)
http://www.facebook.com/notes/facebook-data-team/whats-on-your-mind/477517358858
基本上分析各种数据及其相互关系：工作类别和每个人的年龄或单词类别和朋友数量,如本例所示.
我将在哪里开始解决这个问题并生成这样的图表？
最佳答案
一般来说：R有一些专门针对文本挖掘和数据挖掘的软件包,提供了广泛的技术.我不知道Python中的那种软件包,但这并不意味着它们不存在.我只是不会自己实现它,它比第一眼看上去要复杂一点.
你需要考虑的一些事情：
>定义“主题”：这是他们使用的标签吗？你是否对标签进行分组你有一个有限集的小名单,或者是无限制的集合？
>定义“一般主题”：这是最常用的主题吗？你是如何处理关系的？如果用户写了大约10个主题,那么呢？
>定义“权重”：这相当于用户数量？平方根？有些类别？
如果您对此有一个大致的了解,可以开始使用tm package以可行的格式提取所有信息.该包基于矩阵和元数据对象.这些允许您获得不同主题的加权频率,前提是您已定义了您认为的主题.您还可以使用不同的加权函数来获得所需的内容.手册是here.但如果您不确定自己在做什么,也请访问crossvalidated.com获取额外的指导.这实际上是关于数据挖掘的问题而不是关于编程的问题.