半球老款电磁炉 互联网时代的社会语言学：基于SNS的文本数据挖掘(5)

一个问题摆在了我们面前：我们如何去量化一个词的“当日热度”？第一想法当然是简单地看一看每个词的当日频数和昨日频数之间的倍数关系，不过细想一下你就发现问题了：它不能解决样本过少带来的偶然性。 12 月 14 日“李宇春”一词的出现频数是 12 月 13 日的 4 倍，这超过了“下雪”一词的 2.8 倍，但我们却更愿意相信“李宇春”的现象只是一个偶然。更麻烦的则是“电磁炉”一行， 12 月 14 日的频数是 12 月 13 日的无穷多倍，但显然我们也不能因此就认为“电磁炉”是 12 月 14 日最热的词。

象限仪座流星雨、英仙座流星、双子座流星雨被认为是北半球最值得守候的三大流星雨。

在欣赏完月亮“吞食”毕宿五之后，与象限仪座流星雨、英仙座流星雨并称北半球三大流星雨的双子座流星雨将于１２月１４日闪亮登场。

在欣赏完月亮“吞食”毕宿五之后，与象限仪座流星雨、英仙座流星雨并称北半球三大流星雨的双子座流星雨将于12月14日闪亮登场。

第三个原因，还有一个原因是因为我们在这里头实行的是合伙人机制，我们实行的是多劳多得，就像当年“包产到户”一样，我们实行的是“人单合一”，每个合伙人，他和这个客户，和这个项目，他是的关系，（合伙人）他这个负责意味着什么，意味着“责、权、利”都在他手里，他刨去我们大家租房子、聘用会计所需要的成本分摊之外，那么他刨去这个项目组的聘用项目顾问需要支出的成本之外，他刨去差旅费之外，这个项目的收入减去这些成本，全部归他自己。

让计算机也能聪明地排除偶然因素，这是我们在数据挖掘过程中经常遇到的问题。我们经常需要对样本过少的项目进行“平滑”操作，以避免分母过小带来的奇点。这里，我采用的是一个非常容易理解的方法：一个词的样本太少，就给这个词的热度打折扣。为了便于说明，我们选出四个词为例来分析。

4.如果在里面没有找到的用户，别着急，小编还有办法，大家可以打开开始菜单，然后在里面的搜索区域输入360手机助手，然后在里面能够看到有三个结果，我们点击卸载360手机助手，然后按照打开的卸载程序步骤卸载即可。

ps,一定要看到最后，因为我们还有#小q观影团#的票送出。

看到最后吧，我们一起来探寻。

当然我们都知道肯定是年会活动策划花钱多，因为主题策划是非常耗财力的事情，需要很员策划以及需要很员配合才行，有很多东西的价值和很多的人的价值都是在一个比较的基础上和一个比较的前提下面才能够看出来的，两个同样的年会活动策划者他们的价值年会主办方是肯定是看不出来的，但是通过他们自己去实践的一些年会活动，看到最后举行的效果我们就是能够自然的去看到这样的一个年会活动策划方案对于年会活动策划主办方的价值是有多大的。

关键词前一天当天两天总数当天/总数

怎么做呢？我们把每个词的得分都和全局平均分取一个加权平均！首先计算出这四个词的平均总频数，为 313.75 ；再计算出这四个词的平均得分，为 0.719 。接下来，我们假设已经有 313.75 个人预先给每个词都打了 0.719 分，换句话说每个词都已经收到了 313.75 次评分，并且所有这 313.75 个评分都是 0.719 分。“下雪”这个词则还有额外的 125 个人评分，其中每个人都给了 0.736 分。因此，“下雪”一词的最终得分就是：

下雪	(0.736 × 125 + 0.719 × 313.75) / (125 + 313.75) ≈ 0.724

类似地，其他几个词的得分依次为：

那些年	(0.512 × 285 + 0.719 × 313.75) / (285 + 313.75) ≈ 0.62
李宇春	(0.8 × 5 + 0.719 × 313.75) / (5 + 313.75) ≈ 0.7202
看见	(0.827 × 840 + 0.719 × 313.75) / (840 + 313.75) ≈ 0.798

容易看出，此时样本越大的词，就越有能力把最终得分拉向自己本来的得分，样本太小的词，最终得分将会与全局平均分非常接近。经过这么一番调整，“下雪”一词的得分便高于了“李宇春”。半球老款电磁炉实际运用中， 313.75 这个数也可以由你自己来定，定得越高就表明你越在意样本过少带来的负面影响。这种与全局平均取加权平均的思想叫做 Bayesian average ，从上面的若干式子里很容易看出，它实际上是最常见的平滑处理方法之一——分子分母都加上一个常数——的一种特殊形式。

利用之前的抽词程序抽取出人人网每一天内用户状态所含的词，把它们的频数都与前一天的作对比，再利用刚才的方法加以平滑，便能得出每一天的热词了。

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/dianqi/article-89535-5.html