第8--章--高维数据可视化-SDU.ppt

* * * * * 事后从多种信息源表明，由于twitter的存在，早在白宫宣布这一消息之前，数以百万计的平头老百姓已经从twitter知道了这件事情。这件事情的快速传播是归功于Keith Urbahn，美国前国防部长唐纳德拉姆斯菲尔德(Donald Rumsfeld)的一名前参谋长。 他在Twitter上说：“一位有声望的人刚刚告诉我，他们干掉了本·拉登，太棒了！”。尽管厄本在政治以外的其他领域的知名度并不高，但迅速赢得1000多名粉丝，一分钟内这条消息被转发80次，转发者包括《纽约时报》记者布莱恩·斯特尔特(Brian Stelter)。厄本的消息被斯特尔特转发后，斯特尔特的5万多名粉丝中有数百名再次转发了该消息或对该消息进行了回复。2分分钟后，有300多人转发了厄本的消息。21分钟后主要的电视媒体例如ABC，CBS， 和NBC才开始报导这件事情。在10：45到11：30这段时间，tweet发布达到一个高峰，评价每秒3000多个。厄本并不是第一个传播拉登可能被击毙的消息，但他的消息被认为是可信度最高的一条，正是基于此，再加上适当的时机和有社交专业意识的用户，最终导致了这条消息的大爆发。主流媒体对于这件事情的反应也是非常非常的矛盾的。一中看法是认为twitter会完全改变传媒业，而另外一种看法则觉得，twitter并不重要，如果没有主流媒体的确认，它就是在传播谣言。为了更好的理解twitter的作用，我们抓了关于这个事件两个小时之内的twitter数据。在这个case study中，我们主要研究了twitter是否说服了它的观众，通过识别不同阶段关键的opinion leader，进一步研究了消息是从几个信息源传播到大众的。 * 现在我们来看看这个事件的发展。 * * * * * * * * * * 到底是谁帮助产生了这些谣言和传闻？主流媒体被mention了5.84%， media people被mention了3.36%. Celebrity:4.53% * These findings suggest that the three groups influence Twitter users in different ways media people and the mass media compete to be the first to report the news, celebrities use their social influence to help spread the news and stimulate discussions. * * People still look to mass media for supplemental information Although there is also a substantial number of links from sites that host user-uploaded content * * 网上的用户评论信息可以用来分析客户的行为以及客户满意度, 这对于商业情报分析而言，是非常重要的。 例如，当某间酒店开设一个新的服务的时候，它的客户关系经理，往往想知道具有不同文化背景的客户是如何评价这个服务的，以及他们是如何看待其他酒店推出的类似服务。 快速地追踪与理解用户的反映，有助于改善客户的满意度，提高客户的信任以及忠诚度。因此，从大规模的网上用户评论中，快速有效地获取以及分析客户的意见变得越来越重要。 * 我们与香港理工大学的酒店管理专家们紧密合作，确定了一系列比较有趣的分析任务。 在我们的分析任务中，我们所关心的并不是一些肤浅的的问题，比如客户对某一商品或者服务的总体评价是什么？ 相反，我们的分析是去深入地理解客户的评价是由于什么因素所引起的，比如是否跟某一特定的文化背景或者说一些人口统计的变量比如说性别和年龄等有关联。 * 有效的客户意见分析，是一个比较有挑战性的工作。 在酒店管理研究领域，研究人员通常使用一种叫做content analysis procedure的方法进行分析。 这种传统的方法对小规模的简单数据比较适合。但是当我们面对超大规模，异构的，以及高维度的数据进行分析时，这种方法就不合适了。 更重要的是，即使我们能够发现一些有趣的关系模式，如何将这样的发现有效地展现给大众看，也是一个比较大的挑战。 * 在另一方面，我们知道，Visual analytics是运用交互的可视化用户界面来辅助用户的推理、探索的过程的学科。 它可以帮助用户分析大规模、动态、甚至是含有歧异的数据，提供及时、合理的评价，将发现的pattern更有效地传达、展现给大众。 正因如此，我们使用visual analytics，帮助分析