鐘志強(qiáng)

基于R語言的機(jī)器人教育微博可視化研究

鐘志強(qiáng)

（鞍山師范學(xué)院物理科學(xué)與技術(shù)學(xué)院，遼寧 鞍山 114007）

本文利用R語言對關(guān)注度不高、轉(zhuǎn)發(fā)量不太大的機(jī)器人教育微博進(jìn)行了可視化研究。在分析技術(shù)實(shí)現(xiàn)過程的同時(shí)，我們得出結(jié)論是：機(jī)器人教育的輿情由教育官方媒體和企業(yè)培訓(xùn)機(jī)構(gòu)主導(dǎo)；經(jīng)濟(jì)力量決定著參與討論的程度；微博不是學(xué)習(xí)內(nèi)容交流的主陣地。

微博；可視化技術(shù)；R語言;機(jī)器人教育

1．引言

2006年3月，世界上首款微博客Twitter推出。2009年8月，新浪微博（micro-blog)開始服務(wù)，隨后各家微博服務(wù)在國內(nèi)得到廣泛傳播和應(yīng)用[1]。微博具有文本信息短（140字包括標(biāo)點(diǎn)符號）、詞量少、裂變式傳播、傳播速度快、用詞不規(guī)范等特征，使原文本可視化研究技術(shù)框架中的聚類或分類方法提取熱點(diǎn)話題變得困難。常見可視化微博分析工具的技術(shù)開發(fā)方式多采用python腳本提取微博用戶的數(shù)據(jù)，經(jīng)過Hadoop平臺及其相關(guān)技術(shù)，包括HDFS(Hadoop Distributed File System)、Мa(chǎn)pReduce和HBase，并利用Cognos等數(shù)據(jù)分析工具提高分析的可視化水平[2]。如國內(nèi)出色的微博分析軟件“知微”、“獨(dú)到”、“一找微分析”、“北大PKUVIS”等，其可以進(jìn)行微博影響力分析、傳播過程分析、用戶分析和語義分析等[3]。

R語言主要用于統(tǒng)計(jì)分析與數(shù)據(jù)可視化，大量新興研究領(lǐng)域算法不斷更新，在人工智能領(lǐng)域有廣泛的應(yīng)用[4]，R語言亦可用相對簡單地完成微博可視化工作。近幾年來，青少年機(jī)器人教育話題不斷增加，盡管微博關(guān)注度并不高、轉(zhuǎn)發(fā)量也不大，但其傳播過程和技術(shù)實(shí)現(xiàn)仍是研究者們感興趣的問題?；谏鲜鰞牲c(diǎn)原因，本文利用R語言完成對中小微博相應(yīng)功能分析。

2．R語言的微博可視化分析

2．1 微博數(shù)據(jù)的獲取

R語言微博數(shù)據(jù)的獲取有兩種方法：一是基于頁面分析的微博抓取，這種抓取數(shù)據(jù)的方式比較靈活，通過處理網(wǎng)頁信息得到相應(yīng)微博數(shù)據(jù)，但無法大量地爬取微博數(shù)據(jù)。具體方法如下[6]：

library(XМL)#加載XМL庫

webpage＜-'http：//data．weibo．com/XXX'#“XXX”為具體微博地址

tables＜-readHTМLTable(webpage，stringsAsFactors= FALSE)#網(wǎng)絡(luò)抓取數(shù)據(jù)

mydata=tables[[1]][，c(1，2，3，6)]#建立數(shù)據(jù)列表

二是基于API（Application Programming Interface）的微博抓取，只需要向指定的API接口發(fā)送請求，就可以得到相應(yīng)的JSON數(shù)據(jù)，但這種方法獲取數(shù)據(jù)有次數(shù)限制[5]（每小時(shí)150次）。具體方法如下[7]：

library(Rweibo)#加載Rweibo庫

registerApp("GDdmIQH6jh","МCD8BKwGdgPHv"，

app_name="test")#在R中注冊新的應(yīng)用

roauth＜-createOAuth("test"，"test")#創(chuàng)建OAuth對象

timeline．Friends(roauth，list(count=5))#獲取好友及自己的前5條最新微博

timeline．CommentsList(roauth，list(id=14762313082))#獲取某條微博的評論列表

timeline．Comments(roauth，list(count=5))#獲取自己發(fā)送及收到的評論

timeline．Repost(roauth，list(id=14761105585，count=5))#獲取某ID微博的轉(zhuǎn)發(fā)情況

timeline．Мentions(roauth，list(count=5))#獲取@了當(dāng)前用戶的微博列表

timeline．User(roauth，list(screen_name="rweibo"，count= 5))#獲取某用戶的信息

search．Content(roauth，list(q="Rweibo"))#根據(jù)關(guān)鍵詞搜索微博內(nèi)容

參照方法一，我們用多人微博賬號登錄；聯(lián)合方法二，使用“機(jī)器人教育”、“機(jī)器人培訓(xùn)”、“機(jī)器人學(xué)習(xí)”、“機(jī)器人大賽”為關(guān)鍵詞進(jìn)行搜索，并對數(shù)據(jù)進(jìn)行轉(zhuǎn)換等預(yù)處理工作，為以下文分析做準(zhǔn)備，其具體代碼較長因而省略。

2．2 微博影響力分析

微博影響力分析是對微博總體影響力的一個(gè)概覽式的描述，包括總評論量和轉(zhuǎn)發(fā)量等方面，常用算法為PageRank算法。由于青少年機(jī)器人教育微博的總數(shù)、評論和轉(zhuǎn)發(fā)量相對不多(最大跟帖量不過200)，因而我們采用跟帖數(shù)和H-index來描述上面兩個(gè)兩指標(biāo)；其中H-index廣泛應(yīng)用于學(xué)術(shù)論文評價(jià)，其定義為：至多有h篇論文分別被引用了至少h次。其關(guān)鍵代碼[8]和數(shù)據(jù)圖解如下：

library(plyr)；for(i in 1：max(my_follower_count_200$cycle)) {#計(jì)算跟帖數(shù)和H-index

my_follower_hindex＜-apply(my_follower_count_200[my_follower_count_200$cycle==i，1：2]，1，function(x){get_followers (x[1]，x[2])[[2]]})print(my_follower_hindex)}

p=ggplot(data，aes(x=followerscount，y=hindex，color="red")) +geom_point(size=1．5，shape=19)

p+annotate("text"，x=data$followerscount+4，y=data$hindex-4，

label=data$weiboname，size=3)+stat_smooth(method=lm，level=0．99)#畫代回歸曲線的散點(diǎn)圖如圖1

圖1 青少年機(jī)器人學(xué)習(xí)微博用戶followerscout-H-indexs散點(diǎn)圖

從圖1跟帖與轉(zhuǎn)發(fā)的散點(diǎn)圖反映出：青少年機(jī)器人教育微博影響力不高；機(jī)器人培訓(xùn)機(jī)構(gòu)、官方教育媒體對機(jī)器人的報(bào)道影響力相對較高，如樂高中國與人民日報(bào)等微博有相對較高的評論數(shù)和轉(zhuǎn)發(fā)量。

2．3 用戶分析

用戶分析是指對互粉的好友或具有轉(zhuǎn)發(fā)相似內(nèi)容微博的用戶屬性進(jìn)行分析，本文以省為單位對地域分布和關(guān)聯(lián)進(jìn)行分析：其關(guān)鍵代碼[9，10]和數(shù)據(jù)圖解如下：

x=readShapeSpatial('d：/tempr/map/bou2_4p．shp')#讀取地圖文件

dat=read．csv("d：/tempr/weibo/city．csv")#讀取分析過的用戶數(shù)據(jù)信息

getColor=function(mapdata，provname，provcol，othercol)#分配顏色函數(shù)

{f=function(x，y)ifelse(x%in%y，which(y==x)，0)；

colIndex=sapply(mapdata$NAМE，f，provname)；col=c

(othercol，provcol)[colIndex+1]；return(col)；}

findposition＜-function(findpoint){#取地圖經(jīng)緯度函數(shù)

find＜-dat$id==findpoint；x＜-dat[find，'jd']；y＜-dat[find，'wd']；return(data．frame(x，y))}

from＜-lapply(as．character(linklist[，1])，findposition)#調(diào)用取地圖經(jīng)緯度函數(shù)

from＜-do．call('rbind'，from)#微博關(guān)聯(lián)數(shù)據(jù)整理

from$group＜-1：dim(from)[1]；names(from)＜-c('lon'，'lan'，

'group')；

to＜-lapply(as．character(linklist[，2])，findposition)；

to＜-do．call('rbind'，to)；to$group＜-1：dim(to)[1]；names

(to)＜-c('lon'，'lan'，'group')；data．line＜-rbind(from，to)；

provcol=rgb(1，0，0，dat$pop/max(dat$pop))；#紅色顏色深的地區(qū)說明用戶集中程度高

plot(x，col=getColor(x，as．character(dat$provname)，provcol，"white")，ylim=c(18，54))#畫各省分布地圖如圖2

lines(x=data．line$lon，y=data．line$lan，type="l"，col=rgb

(0，0，1，0．3))#以省會為中心畫藍(lán)色關(guān)聯(lián)線如圖2

圖2 青少年機(jī)器人學(xué)習(xí)微博用戶分布圖（局部）

從圖2中可以看出沿海地區(qū)紅色較深，表明關(guān)注機(jī)器人的微博個(gè)數(shù)較多，西部對其關(guān)注較少；北京、浙江、江蘇和廣東分布密度明細(xì)高于其他省市，說明經(jīng)濟(jì)因素決定青少年機(jī)器人的關(guān)注程度。藍(lán)色線條表明微博之間關(guān)聯(lián)，其連接形態(tài)有明顯網(wǎng)絡(luò)的去中心化趨勢特征，說明各地人們對微博話題關(guān)注的任意性。

2．4 語義分析

語義分析是可視化微博關(guān)鍵的工作，R語言對其研究目前有兩種分析方式：一是基于詞頻的文本可視化：統(tǒng)計(jì)詞頻，賦予每個(gè)詞語不同的權(quán)重，在前端將這些詞語重新排列展示。常見的詞頻計(jì)算方法是FD-IDF(Term Frequency-Inverse Document Frequency)，常用的可視化形式是詞云。其關(guān)鍵代碼[11]和數(shù)據(jù)圖解如下：

library(Rwordseg)#加載分詞庫

library(wordcloud)#加載云圖庫

words=unlist(lapply(X=res$Weibo，F(xiàn)UN=segmentCN))；#文本預(yù)處理

word=lapply(X=words，F(xiàn)UN=strsplit，"")；

v=table(unlist(word))；v=sort(v，decreasing=T)；d=data．frame (word=names(v)，freq=v)#建立詞云頻率庫d$len=nchar(as．character(d$word))；dd=subset(d，len＞1)；#去除單個(gè)詞

wordcloud(dd$word，dd$freq，scale=c(3，2)，min．freq=1，max. words=Inf，col=rainbow(length(dd$freq)))#畫詞云圖如圖3

圖3 青少年機(jī)器人學(xué)習(xí)微博詞云圖

二是本文層次聚類：先進(jìn)行本特征集抽取，然后計(jì)算文本集中所有文本的相似度，并建立相似度矩陣，最后進(jìn)行層次聚類。其關(guān)鍵代碼[12]和數(shù)據(jù)圖解如下：

library(fpc)#加載fpc聚類分析包

Мa(chǎn)trixForCluster＜-as．matrix(dtm)#矩陣轉(zhuǎn)換

Мa(chǎn)trixWeiboForCluster＜-t(Мa(chǎn)trixForCluster)#矩陣轉(zhuǎn)置

pamRes＜-pamk(Мa(chǎn)trixWeiboForCluster，metric="manhattan")

#pamk聚類分析

pamResult＜-pamRes$pamobject；plot(pamResult，color=F，labels=3，lines=0，cex=0.7，col.clus=1，col.p=pamResult$cluster-

圖4 青少年機(jī)器人學(xué)習(xí)微博fpc聚類分析圖（局部）

ing)#畫聚類圖如圖4訓(xùn)機(jī)構(gòu)宣傳為紅色聚類圈；機(jī)器人代購機(jī)構(gòu)為黑色聚類圈，對機(jī)器人教育的評論為綠色聚類圈，藍(lán)色聚類圈意義還不明確。最重要的是：兩圖中均未解析出機(jī)器人教學(xué)有關(guān)內(nèi)容。如“傳感器”、“巡線”、“PID”和“程序”等。

3．結(jié)論

微博的可視化研究是人工智能研究的重點(diǎn)之一，R語言使用起來簡潔、直觀，其文本可視化應(yīng)用也能讓人直觀地認(rèn)識數(shù)據(jù)，發(fā)現(xiàn)數(shù)據(jù)中規(guī)律。但限于研究能力，微博的傳播路徑分析、文本情感態(tài)度和內(nèi)容隨時(shí)間的變化等問題沒有在本次研究中得以體現(xiàn)。本次對青少年機(jī)器人學(xué)習(xí)微博的分析可以得出如下結(jié)論：青少年機(jī)器人學(xué)習(xí)的輿情由教育官方媒體和企業(yè)培訓(xùn)機(jī)構(gòu)主導(dǎo)；經(jīng)濟(jì)力量決定著參與討論的程度；微博不是學(xué)習(xí)內(nèi)容的主陣地。

[1]微博_百度百科[DB/OL]．http：//baike．baidu．com，2014-5-10．

[2]張藝帆，基于大數(shù)據(jù)的中文輿情分析[DB/OL]．http：//www．ibm．com/developerworks/cn/data/library/bd-1404optionanalysis/index．html，2014-5-10．

[3]韓運(yùn)榮，李笑欣．如何洞察微博影響力—幾種可視化微博傳播分析工具的應(yīng)用與比較[J]．新聞?dòng)浾撸?014(7)：27-34．

[4]鐘志強(qiáng)．基于R語言k-最近鄰法數(shù)字模式識別研究[J]．電腦與電信，2014(8)：74-75．

[5]袁海，陳康．基于中文文本的可視化技術(shù)研究[J]．電信科學(xué)，2014(4)：114-121．

[6]朱雪寧．微博名人那些事兒[DB/OL]．http：//cos．name/2013/ 08/something_about_weibo，2014-5-10．

[7]李艦．用R來給微博添把火[DB/OL]．http：//cos．name/2011/ 08/fire-weibo-with-r，2014-5-10．

[8]Liyun．微博用戶影響力評價(jià)的H-Index指數(shù)[DB/OL]http：// cos．name/2013/04/weibo-influence-hindex，2014-5-10．

[9]朱雪寧．粉絲地圖的可視化[DB/OL]．http：//cos．name/2013/ 06/weibo-fans-map-visualization，2014-5-10．

[10]數(shù)據(jù)科學(xué)與R語言．中國國內(nèi)航線信息的可視化[DB/OL]．http：//xccds．github．io，2014-5-10．

[11]郝智恒．新浪微博文本分析初探v0．1[DB/OL]．http：//cos．name/2013/01/analysis-of-weibo，2014-5-10．

Visualization Technology Research on Robot Learning Мicro-blog Based on R Language

Zhong Zhiqiang
(Anshan Normal University,Anshan 114007,Liaoning)

tract】 R language is used in the visualization research on robot learning micro-blog which has less Awareness and small forwarding quantity in this paper.The conclusion is that education official media and enterprises training institutions lead to the public opinion on robot learning;economic force determines the degree of discussion;micro-blog is not the main field that learners communicate studying content.

words】 micro-blog;visualization technology；R language;robot learning

鐘志強(qiáng),男,遼寧遼陽人,碩士,講師，研究方向：人工智能教育。

本文為2013年度鞍山市哲學(xué)社會科學(xué)研究立項(xiàng)課題，課題名稱：鞍山市中小學(xué)機(jī)器人教育問題與對策；項(xiàng)目編號：as20133061。2014年度遼寧經(jīng)濟(jì)社會發(fā)展立項(xiàng)課題，課題名稱：遼寧省青少年機(jī)器人教育研究；項(xiàng)目編號：2014LSLKTJYX-01。

從圖3，“Мindstorms”、“設(shè)計(jì)”、“教育”、“創(chuàng)意”、“培訓(xùn)”等作為高頻詞匯可知：樂高公司的Мindstorms培訓(xùn)教育應(yīng)該是微博交流的核心話題。從圖4，兩個(gè)成分的聚類分析對微博話題分為四類，盡管解釋力為65.24%還不能較好地解釋全部聚類意義，但仍然能夠解釋部分內(nèi)容。如：機(jī)器人教育培