微博用户的个性分类分析

社交网络给每个社会中的人提供了自由表达个人情感、观点、兴趣、建议等言论的平台。用户在这些平台上发表的言论、所做的行为以及用户在平台上建立的社交圈子也给数据挖掘带来了新的数据和机会。提出了一种利用用户在微博上的公开数据信息实现对该用户的MBTI个性维度进行分类分析的方法。在该方法中,基于对用户微博数据的分析,提出了能够表征用户心理和行为的文本和非文本特征,然后采用三种机器学习的分类方法—提升决策树、支持向量机和贝叶斯逻辑递归来对微博用户的个性进行分类分析。实验结果表明,通过对微博数据的挖掘可以在不同MBTI个性维度上达到75%~90%的准确率。     

大规模在线公开课程（MOOC）完成率的统计分析

大规模在线公开课程（MOOC）近年来蓬勃发展,吸引了越来越多的学生和授课者的参与,但是高的注册率和低的完成率之间的反差一直是MOOC被诟病的主要原因,本文利用通过互联网抓取的有关MOOC课程的数据,采用统计和可视化的方法分析了MOOC课程的完成率以及对完成率产生影响的因素。