這篇文章主要介紹了新浪微博的用戶管理與大數(shù)據(jù)利用經(jīng)驗(yàn),作為億級(jí)用戶的微博的運(yùn)營(yíng)經(jīng)驗(yàn),非常值得社區(qū)類(lèi)網(wǎng)站進(jìn)行參考,需要的朋友可以參考下

用戶管理

微博是一個(gè)很多人都在用的社交應(yīng)用。天天刷微博的人每天都會(huì)進(jìn)行著這樣幾個(gè)操作：原創(chuàng)、轉(zhuǎn)發(fā)、回復(fù)、閱讀、關(guān)注、@等。其中，前四個(gè)是針對(duì)短博文，最后的關(guān)注和@則針對(duì)的是用戶之間的關(guān)系，關(guān)注某個(gè)人就意味著你成為他的粉絲，而他成為你的好友；@某個(gè)人意味著你想要他看到你的微博信息。

微博被人們認(rèn)為是“自媒體”，即普通大眾分享與本身相關(guān)的“新聞”的途徑。最近，有些人使用自己在自媒體上的影響力而盈利的報(bào)道屢見(jiàn)不鮮。那微博上個(gè)人影響力是怎樣計(jì)算的呢？微博上還有哪些算法作為看不見(jiàn)的手在管理著我們？我們的每一個(gè)行為怎樣影響著算法呢？

直觀上看，微博其實(shí)是人類(lèi)社會(huì)的一個(gè)簡(jiǎn)單的縮影，微博網(wǎng)絡(luò)的一些特點(diǎn)，也許可以啟發(fā)我們得到真實(shí)的社會(huì)網(wǎng)絡(luò)上的規(guī)律。得益于社交網(wǎng)絡(luò)的爆發(fā)式發(fā)展，“社會(huì)計(jì)算”尤其是社交網(wǎng)絡(luò)分析成為數(shù)據(jù)挖掘的新寵兒。下面我們就針對(duì)微博網(wǎng)絡(luò)分析的一些算法進(jìn)行簡(jiǎn)單的介紹，其中的有些算法對(duì)于其他的社交應(yīng)用可能也適用。

1.標(biāo)簽傳播

微博用戶量浩大，不同的人有不同的興趣。挖掘每個(gè)用戶的興趣有助于更加精準(zhǔn)的廣告投放、內(nèi)容推薦。為了得到每個(gè)用戶的興趣，可以為用戶打上標(biāo)簽，每個(gè)標(biāo)簽代表用戶的一個(gè)興趣，用戶可以擁有一個(gè)或多個(gè)標(biāo)簽。為了得到最終的用戶標(biāo)簽，先做第一個(gè)假設(shè)：

每個(gè)用戶的好友(或粉絲)中與該用戶具有相同興趣的人占多數(shù)。

這就引出了本文介紹的第一個(gè)算法，即標(biāo)簽傳播算法。在這個(gè)算法中，每個(gè)用戶的標(biāo)簽取其好友或粉絲中標(biāo)簽最多的一個(gè)或多個(gè)。當(dāng)然，可以將好友和粉絲的標(biāo)簽都考慮進(jìn)來(lái)，整合的時(shí)候可以考慮賦予好友的標(biāo)簽和粉絲的標(biāo)簽不同的權(quán)重。標(biāo)簽傳播算法的過(guò)程如下：

1)對(duì)一部分用戶給出初始標(biāo)簽；

2)對(duì)每一個(gè)用戶，統(tǒng)計(jì)其好友和粉絲的標(biāo)簽數(shù)目，賦予該用戶出現(xiàn)次數(shù)最多的一個(gè)或者多個(gè)標(biāo)簽。

3)循環(huán)進(jìn)行第2步，直到用戶的標(biāo)簽不再發(fā)生大的變化為止。

2.用戶相似度計(jì)算

標(biāo)簽傳播算法實(shí)現(xiàn)起來(lái)比較簡(jiǎn)單，其缺點(diǎn)在于當(dāng)所做的假設(shè)不符合事實(shí)時(shí)，比如為了社交上的禮貌，我們一般會(huì)把自己的親友添加關(guān)注，這些人不一定和我們擁有同樣的標(biāo)簽；該算法的結(jié)果就會(huì)變得很差。解決的辦法就是通過(guò)計(jì)算用戶之間的相似度來(lái)衡量好友或粉絲的標(biāo)簽對(duì)用戶標(biāo)簽的貢獻(xiàn)率。因而得到第二個(gè)假設(shè)：

與用戶越相似的好友或粉絲，其標(biāo)簽越可能是用戶的標(biāo)簽。

那么，如何衡量用戶之間的相似度呢？這就需要考慮到用戶發(fā)表的微博信息了，包括轉(zhuǎn)發(fā)的和原創(chuàng)的。這里是要考慮用戶之間的相似度而不是用戶微博之間的相似度，因而在實(shí)際計(jì)算時(shí)，將某個(gè)用戶的所有微博信息聚集到一起進(jìn)行計(jì)算。一個(gè)可選的方法是使用詞袋法將微博信息表示成詞語(yǔ)向量，然后直接使用余弦方法等計(jì)算其相似度。但這個(gè)方法太過(guò)簡(jiǎn)單，不容易達(dá)到好的結(jié)果，這里介紹一種基于LDA（隱含狄利克雷分布）的相似度計(jì)算方法。

LDA仍然使用詞袋法表示文本，但是在中間添加了一個(gè)主題層，形成了“文檔-主題-詞語(yǔ)”三層概率模型，即每篇文檔看成是主題的一種概率分布，主題又被看成是單詞的概率分布。在LDA模型下，文檔可以被看成按照如下方式生成：

1)對(duì)于每篇文檔：

2)從主題分布中抽取一個(gè)主題；

3)從該主題的詞語(yǔ)分布中抽取一個(gè)詞語(yǔ)；

4)重復(fù)第2步和第3步，直到該文檔的所有詞語(yǔ)都生成。

LDA模型參數(shù)的估計(jì)算法不在本文的討論范圍之內(nèi)。這里只需要知道，通過(guò)LDA可以得到每個(gè)用戶的微博信息的主題分布。然后使用余弦方法、KL距離等計(jì)算相似度的方法來(lái)得到用戶間主題分布的相似度，以之作為用戶之間的相似度。而后使用該相似度對(duì)標(biāo)簽傳播進(jìn)行加權(quán)。

3.時(shí)間因素和網(wǎng)絡(luò)因素

上述的算法還有什么缺點(diǎn)呢？

隨著時(shí)間的變化，用戶的興趣是會(huì)變化的，計(jì)算用戶相似度的時(shí)候每次都把所有微博信息都聚合在一起不太合理。對(duì)此，可以通過(guò)選取距離當(dāng)前時(shí)間較近的N條微博。比如，對(duì)每個(gè)用戶，選取距離當(dāng)前時(shí)間最近的50條微博聚在一起放到LDA中訓(xùn)練。此處的N既不能太大也不能太小。太大則不容易反映用戶興趣的時(shí)間變化，太小則由于用戶發(fā)表微博的隨機(jī)性容易引起興趣的漂移。為了使效果最好，可以不拘泥于一個(gè)固定的N，比如可以考慮對(duì)每個(gè)用戶按照其發(fā)表微博的時(shí)間序列做N值的自適應(yīng)。

至此，在算法中還沒(méi)有考慮微博關(guān)系中由回復(fù)、轉(zhuǎn)發(fā)、@等所構(gòu)成的網(wǎng)絡(luò)信息。以轉(zhuǎn)發(fā)為例，如果在用戶的微博中頻繁的轉(zhuǎn)發(fā)某個(gè)好友的微博，那么用戶和該好友的相似度相比其他好友來(lái)說(shuō)應(yīng)該會(huì)更高。這里可以看做是假設(shè)三：

用戶轉(zhuǎn)發(fā)某好友的微博的頻率越高，用戶與該好友的興趣相似度越大。

相似的，可以得到假設(shè)四：

用戶微博中@某用戶的頻率越高，用戶與該好友的興趣相似度越大。

由此就得到了計(jì)算相似度的另外的因素。有很多方法可以添加一個(gè)新的因素到原有的相似度計(jì)算方法中，比如可以考慮將轉(zhuǎn)發(fā)頻率量化為值，作為權(quán)重添加到相似度的衡量中去。

4.社區(qū)發(fā)現(xiàn)

微博社區(qū)是指在微博中關(guān)系緊密的人組成的團(tuán)體，社區(qū)內(nèi)部的人之間聯(lián)系緊密，社區(qū)之間的聯(lián)系則比較稀疏。這里所指的關(guān)系緊密有兩層含義，第一是社區(qū)內(nèi)部的人之間的興趣相似度大；第二是指社區(qū)內(nèi)部的人之間的關(guān)系要近，比如要求社區(qū)內(nèi)部的兩個(gè)用戶不能超過(guò)二度關(guān)聯(lián)，二度關(guān)聯(lián)即好友的好友。

興趣相似度在上文已有敘述，關(guān)系相似度則需要利用用戶之間的關(guān)注關(guān)系來(lái)進(jìn)行計(jì)算。以用戶的關(guān)注關(guān)系為單向鏈，可以將所有的微博用戶之間的關(guān)系表示為一個(gè)巨大的有向圖。用戶之間的關(guān)系相似度可以簡(jiǎn)單的考慮，比如使用用戶間的最短路徑的倒數(shù)。但是這種方法衡量的不精確，我們知道，在現(xiàn)實(shí)世界中，存在著六度理論，在微博網(wǎng)絡(luò)及其他社交網(wǎng)絡(luò)中，往往關(guān)系會(huì)更加緊密。因而這種簡(jiǎn)單的關(guān)系相似度只能有至多六個(gè)離散值，顯然不夠精確。

為了達(dá)到更好的效果，這里不僅以最短路徑作為顯式量度，還要考慮一些隱式的量度。這里先給出兩個(gè)假設(shè)，分別為假設(shè)五和假設(shè)六：

兩個(gè)用戶的共同好友越多，這兩個(gè)好友的關(guān)系相似度越高。

兩個(gè)用戶的共同粉絲越多，這兩個(gè)好友的關(guān)系相似度越高。

這里可以借鑒Jaccard相似度的計(jì)算方式，將這兩種假設(shè)的量化函數(shù)表示為交集的大小與并集的大小之商。以假設(shè)五為例，其量化指標(biāo)又被稱(chēng)為共指向性相似度，量化時(shí)使用兩個(gè)用戶共同好友的數(shù)目除以?xún)蓚€(gè)用戶所有好友的數(shù)目。假設(shè)六的量化指標(biāo)被稱(chēng)為共被指向性相似度，計(jì)算方式與共指向性相似度類(lèi)似。從意義上講，這兩種相似度不僅僅是關(guān)系上的度量，在一定程度上也衡量了用戶之間的興趣相似程度，直觀上看，兩個(gè)用戶共同關(guān)注的好友越多，他們的興趣相似程度也越大。這兩種相似度還有一個(gè)專(zhuān)業(yè)的名字，是基于結(jié)構(gòu)情景的相似度計(jì)算。

得到了最短路徑相似度、共指向性相似度、共被指向性相似度后，可以采用一種加權(quán)函數(shù)將它們?nèi)诤掀饋?lái)，得到最后的相似度。之后，可以采用一些聚類(lèi)算法如K-Means、DBSCAN等進(jìn)行聚類(lèi)操作，得到最后的社區(qū)簇。也可以采用相似度加權(quán)的標(biāo)簽傳播算法，把具有相同標(biāo)簽的人作為一個(gè)社區(qū)。

5.影響力計(jì)算

在社區(qū)發(fā)現(xiàn)中，使用微博中的關(guān)系網(wǎng)絡(luò)可以提高相似度計(jì)算的精確度。但關(guān)系網(wǎng)絡(luò)能做的事情還有很多，影響力計(jì)算便是其中比較重要的應(yīng)用。

說(shuō)到影響力的計(jì)算，這里借鑒了網(wǎng)頁(yè)排名中的算法。網(wǎng)頁(yè)排名中廣為人知的算法當(dāng)屬PageRank了，該算法由google創(chuàng)始人拉里·佩奇和謝爾蓋·布林發(fā)明，隨著google在商業(yè)上的成功而聲名鵲起。該算法根據(jù)網(wǎng)頁(yè)之間的鏈接來(lái)確定網(wǎng)頁(yè)的排名，其核心在于一個(gè)假設(shè)，質(zhì)量高的網(wǎng)頁(yè)所指向的網(wǎng)頁(yè)的質(zhì)量必定也高。

根據(jù)PageRank的思想，可以得到微博上影響力的假設(shè)，稱(chēng)之為假設(shè)七：

影響力高的用戶關(guān)注的用戶的影響力必定也高。

將用戶看成是PageRank中的網(wǎng)頁(yè)，將關(guān)注關(guān)系看做是網(wǎng)頁(yè)中的鏈接關(guān)系。從而，可以根據(jù)PageRank的算法流程得到在微博關(guān)注網(wǎng)絡(luò)上的影響力計(jì)算算法：

1)賦予所有用戶相同的影響力權(quán)重；

2)將每個(gè)用戶的影響力權(quán)重按照其關(guān)注的人數(shù)等量分配；

3)對(duì)每個(gè)用戶來(lái)說(shuō)，其影響力等于其粉絲分配給他的權(quán)重之和；

4)第2步和第3步迭代，直到權(quán)重不再發(fā)生大的變化為止。

在網(wǎng)頁(yè)排名中，基于網(wǎng)絡(luò)關(guān)系的算法還有HITS、HillTop算法等，這些算法也可以借鑒到影響力計(jì)算中來(lái)。

上面的算法有什么缺點(diǎn)呢？

如果只是基于關(guān)系網(wǎng)絡(luò)的話，那么很容易就造成，粉絲數(shù)目多的人影響力必然會(huì)很高。這樣就導(dǎo)致有些用戶去購(gòu)買(mǎi)一些僵尸粉就可以達(dá)到很高的影響力了。這樣的算法顯然是不能應(yīng)對(duì)實(shí)際情況的，因?yàn)檫€有太多的信息沒(méi)有用到。

用戶的影響力除了他的微博關(guān)系之外，還與他的個(gè)人屬性有很大的關(guān)系，比如用戶的活躍度、微文的質(zhì)量等。用戶的活躍度可以使用其發(fā)表微博的頻度來(lái)衡量，微文的質(zhì)量可以采用其被轉(zhuǎn)發(fā)的數(shù)目、被回復(fù)的數(shù)目來(lái)得到。通過(guò)對(duì)這些值進(jìn)行衡量，再加上上面算法的結(jié)果，就可以得到更加精確的影響力結(jié)果。

當(dāng)然，也可以這樣考慮，用戶之間的回復(fù)關(guān)系、轉(zhuǎn)發(fā)關(guān)系、@關(guān)系均可以構(gòu)成網(wǎng)絡(luò)，它們也有相應(yīng)的假設(shè)，分別為假設(shè)八、假設(shè)九、假設(shè)十：

影響力越高的用戶回復(fù)的微博的影響力越高，從而使該微博主人的影響力變高。

影響力越高的用戶轉(zhuǎn)發(fā)的微博的影響力越高，從而使該微博原創(chuàng)作者的影響力變高。

影響力越高的用戶傾向于在其微博中@影響力高的用戶。

這樣就又得到了轉(zhuǎn)發(fā)網(wǎng)絡(luò)、回復(fù)網(wǎng)絡(luò)、@網(wǎng)絡(luò)三種網(wǎng)絡(luò)，借鑒PageRank算法，可以得到另外的三種影響力結(jié)果。將它們與關(guān)系網(wǎng)絡(luò)的影響力結(jié)果進(jìn)行融合，就可以最終的影響力結(jié)果了。這里的融合可以簡(jiǎn)單的考慮成結(jié)果的加權(quán)和，復(fù)雜的融合方法不在本文的范圍之內(nèi)。

6.話題因素和領(lǐng)域因素

得到了影響力的計(jì)算方法之后，可以做些什么呢？

可以對(duì)當(dāng)前的熱點(diǎn)話題進(jìn)行影響力分析，得到誰(shuí)在微博上成為當(dāng)前熱點(diǎn)話題的意見(jiàn)領(lǐng)袖。具體做法是這樣，找到和當(dāng)前熱點(diǎn)話題相關(guān)的微文，從而找到參與當(dāng)前熱點(diǎn)話題的用戶。如何找到和當(dāng)前熱點(diǎn)話題相關(guān)的微文呢？有話題標(biāo)簽的微文自不必說(shuō)，對(duì)于沒(méi)有話題標(biāo)簽的微文來(lái)說(shuō)，可以使用上文中介紹的LDA算法，它可以在用戶的所有微文中找到用戶的主題分布，也可以對(duì)一條微文找到主題分布，一般來(lái)說(shuō)，由于微文的字?jǐn)?shù)限制在140以?xún)?nèi)，比較短，因而一條微文包含的主題數(shù)目不會(huì)太多，取該微文的主題分布中概率最高的主題當(dāng)做其主題即可。

找到話題對(duì)應(yīng)的微文與用戶之后，運(yùn)行影響力計(jì)算算法，就可以得到該話題中影響力較大的用戶了。這也是輿情監(jiān)測(cè)、社會(huì)熱點(diǎn)監(jiān)控的一個(gè)方面。

對(duì)于標(biāo)簽傳播算法得到的結(jié)果，對(duì)同一標(biāo)簽下的用戶運(yùn)行影響力計(jì)算算法，可以得到該標(biāo)簽下的影響力排名，即領(lǐng)域內(nèi)影響力排名。比如，李開(kāi)復(fù)在全部領(lǐng)域內(nèi)的影響力或許不是最高的，但在IT領(lǐng)域，其影響力絕對(duì)是數(shù)一數(shù)二的。

7.垃圾用戶識(shí)別

在影響力計(jì)算中，提到要避免僵尸用戶對(duì)影響力計(jì)算的干擾。在算法中，如果可以識(shí)別這樣的用戶，在計(jì)算影響力時(shí)將其排出在外，不僅可以提高效果，還可以降低計(jì)算量。

與影響力計(jì)算相似，垃圾用戶的識(shí)別要同時(shí)考慮用戶屬性與鏈接關(guān)系兩方面的因素。

對(duì)于垃圾用戶來(lái)說(shuō)，有一些統(tǒng)計(jì)上的特征與正常用戶不同。比如如下幾點(diǎn)：

垃圾用戶一般發(fā)微文具有一定的時(shí)間規(guī)律性，可以使用熵值對(duì)此進(jìn)行衡量，熵是衡量隨機(jī)性的一種量度，隨機(jī)性越大，熵值越小。具體做法為將一定的粒度進(jìn)行時(shí)間切片統(tǒng)計(jì)，得到每個(gè)時(shí)間片內(nèi)的博文概率，然后依照概率進(jìn)行熵值的計(jì)算。熵值越大代表用戶發(fā)微文的時(shí)間越有規(guī)律，越有可能是垃圾用戶。

垃圾用戶有些傾向于在微文中惡意的@其他人，因而有些垃圾用戶的微文中@使用的比例比一般用戶高。

有些垃圾用戶的微文中為了進(jìn)行廣告的推廣，添加大量的URL?？梢酝ㄟ^(guò)微文中的URL比例進(jìn)行衡量。也有些用戶為了騙取URL的點(diǎn)擊，微文中的內(nèi)容與URL對(duì)應(yīng)界面的內(nèi)容不一致，這時(shí)需要判斷微文與URL內(nèi)容的一致程度，簡(jiǎn)單的做法可以使用詞袋法將微文與URL對(duì)應(yīng)界面表示成詞語(yǔ)向量，查看微文中的詞語(yǔ)在URL對(duì)應(yīng)網(wǎng)頁(yè)中出現(xiàn)的頻度。

對(duì)于那些為做廣告推銷(xiāo)的用戶，還可以對(duì)其微文進(jìn)行文本分類(lèi)，判斷其微文是否是廣告，如果某用戶的相當(dāng)一部分微文是廣告，則該用戶可能是垃圾用戶。

垃圾用戶一般隨意的關(guān)注用戶，故其粉絲數(shù)目與好友數(shù)目的比例與正常用戶會(huì)有差別。而且正常用戶一般是通過(guò)好友關(guān)系添加好友的，這樣會(huì)形成關(guān)注三角形，如A看到其好友B關(guān)注了C，那么若A也去關(guān)注C，就形成了A關(guān)注B、C，B關(guān)注C的三角形。一般來(lái)說(shuō)，由于垃圾用戶關(guān)注的隨意性，其關(guān)注三角形的比例與正常用戶不同。

當(dāng)然，垃圾用戶與正常用戶的不同之處不止這些，本文不再一一枚舉。垃圾用戶的識(shí)別本質(zhì)上是一個(gè)二分類(lèi)問(wèn)題，獲得了這些屬性之后，就可以將這些信息輸入到一個(gè)機(jī)器學(xué)習(xí)的分類(lèi)模型中，比如邏輯斯蒂回歸（LR）、決策樹(shù)、樸素貝葉斯等，就可以對(duì)其進(jìn)行分類(lèi)了。

當(dāng)然，還沒(méi)有用到鏈接信息。一般來(lái)說(shuō)，垃圾用戶會(huì)去關(guān)注正常用戶，而正常用戶不會(huì)關(guān)注垃圾用戶。這即是假設(shè)十一：

正常用戶不傾向于關(guān)注垃圾用戶。

這樣就可以再次使用PageRank算法來(lái)對(duì)用戶是否是垃圾用戶的概率進(jìn)行計(jì)算。這里需要注意的是，算法初始化時(shí)采用上面的分類(lèi)器結(jié)果，將垃圾用戶的概率設(shè)為1，正常用戶的概率設(shè)為0。在PageRank計(jì)算過(guò)程中，不能通過(guò)簡(jiǎn)單的求和公式計(jì)算，比如如果一個(gè)用戶關(guān)注了多個(gè)垃圾用戶的時(shí)候，求和后概率可能大于1；因而需要使用一些歸一化方法或指數(shù)族函數(shù)進(jìn)行概率的更新。

大數(shù)據(jù)利用

1.聚合、計(jì)算、輸出、反饋形成數(shù)據(jù)和業(yè)務(wù)閉環(huán)

微博大數(shù)據(jù)其實(shí)是一個(gè)很閉環(huán)的業(yè)務(wù)，從底下的原始數(shù)據(jù)開(kāi)始，微博一條一條的文本，實(shí)際都是非結(jié)構(gòu)化數(shù)據(jù)。通過(guò)自然語(yǔ)言處理的技術(shù)，把每一條文本內(nèi)容提取出來(lái)，之后放在底層網(wǎng)絡(luò)上。如一個(gè)客戶對(duì)一家飯的評(píng)論內(nèi)容，將內(nèi)容提取后就放到這個(gè)飯店的邊框上。

基于文本處理還可以做語(yǔ)義的分析，把這些非結(jié)構(gòu)化的內(nèi)容進(jìn)行結(jié)構(gòu)化，再上一層達(dá)到算法層，這個(gè)算法實(shí)際就是跟不同場(chǎng)景不同的算法，到達(dá)用戶端，用戶端再回到底層的數(shù)據(jù)算法當(dāng)中。因此整個(gè)過(guò)程并不是一個(gè)孤立的，而且跟場(chǎng)景的理解關(guān)系非常大。每個(gè)點(diǎn)都非常靈活，要把這個(gè)合力用到整個(gè)閉環(huán)上。

2.平臺(tái)化思路建設(shè)計(jì)算能力、數(shù)據(jù)能力、服務(wù)能力

大數(shù)據(jù)本身的建設(shè)如果從效率提升來(lái)講，其實(shí)是一個(gè)平臺(tái)化的東西。微博的在線場(chǎng)景非常多，每個(gè)在線場(chǎng)景都會(huì)留下用戶的行為。所以對(duì)微博來(lái)說(shuō)，大數(shù)據(jù)的建設(shè)是一個(gè)平臺(tái)化的思路。所謂平臺(tái)化的思路，要從不同的場(chǎng)景里面去做足夠的抽象，這個(gè)抽象有三層含義，一個(gè)數(shù)據(jù)結(jié)構(gòu)的抽象，還有一個(gè)是策略算法的抽象，還有就是輸出的抽象，三個(gè)層面的抽象。

從場(chǎng)景上來(lái)說(shuō)，會(huì)分成內(nèi)容流，用戶流，推薦搜索，還有開(kāi)放平臺(tái)的輸出，還有離線報(bào)告的應(yīng)用，不同的業(yè)務(wù)，不會(huì)去針對(duì)每個(gè)業(yè)務(wù)特點(diǎn)去做，而會(huì)把場(chǎng)景要用的策略算法做一個(gè)梳理，具體在工程實(shí)施的時(shí)候，有一些是需要批處理的，有一些是需要流處理的。

3.結(jié)合云計(jì)算技術(shù)挖掘大數(shù)據(jù)價(jià)值

新浪微博數(shù)據(jù)類(lèi)型非常多，內(nèi)部分基本是幾十個(gè)領(lǐng)域，而每個(gè)領(lǐng)域從一開(kāi)始都是從底層往上做，做數(shù)據(jù)非結(jié)構(gòu)化到結(jié)構(gòu)化的轉(zhuǎn)化。但是走到一定階段，如果想要做到場(chǎng)景級(jí)別，還是需要垂直領(lǐng)域的理解。新浪有各個(gè)頻道，跟音樂(lè)、電影這些門(mén)戶頻道有比較深入的合作，到這個(gè)階段并不是技術(shù)層面的事情，而是跟垂直領(lǐng)域，跟行業(yè)關(guān)系密切。

另外新浪微博也跟外面合作伙伴有一些合作，這些合作伙伴會(huì)把算法部署到新浪的計(jì)算環(huán)境當(dāng)中來(lái)，因?yàn)楫吘股婕暗揭恍?shù)據(jù)的問(wèn)題，不可能把這個(gè)開(kāi)放的程度過(guò)大。如果能夠有技術(shù)合作的公司把垂直領(lǐng)域的理解還有他們的算法部署在我們這個(gè)環(huán)境之上的話，他們獲得數(shù)據(jù)的范圍可以更大，這個(gè)也是新浪微博后面的一個(gè)發(fā)展方向。新浪微博提供一個(gè)云環(huán)境，在這個(gè)環(huán)境里面，可以用到基礎(chǔ)的數(shù)據(jù)，微博基礎(chǔ)數(shù)據(jù)。另外還可以用到大數(shù)據(jù)這邊已經(jīng)做到的一些標(biāo)簽，還有自然語(yǔ)言處理這些內(nèi)容，甚至就是這些合作伙伴可以基于新浪微博提供的基礎(chǔ)數(shù)據(jù)，還有挖掘出來(lái)的標(biāo)簽，他自己挖掘的標(biāo)簽，做一些APP，來(lái)滿足用戶的訴求。

4.建立合作更好的滿足客戶需求

新浪微博跟一些其他領(lǐng)域合作伙伴進(jìn)行多方面的嘗試。目標(biāo)主要是圍繞用戶的衣食住行各種需求，目前已經(jīng)跟央視索福瑞有一些合作，這是已經(jīng)上線的產(chǎn)品，后臺(tái)的數(shù)據(jù)包括給微博文本打上標(biāo)簽，還有大家平時(shí)見(jiàn)到的曲線圖。

在微博電視指數(shù)里面，想表達(dá)的是某一款電視在播出的時(shí)候，在社交媒體上會(huì)有口碑的影響力，還會(huì)有用戶的覆蓋度，這些都是節(jié)目制作方，電視臺(tái)都非常關(guān)心的內(nèi)容。我們從后臺(tái)的數(shù)據(jù)來(lái)看，某一款節(jié)目在播前、播中、播后都有一個(gè)曲線，這個(gè)曲線那來(lái)之后，比如《爸爸去哪兒》，比如《中國(guó)好聲音》，這款產(chǎn)品究竟在哪個(gè)地區(qū)哪類(lèi)用戶有非常好的反響，這個(gè)用戶是什么年齡群的，微博上觀眾經(jīng)常關(guān)注什么，看什么，在這樣一個(gè)場(chǎng)景里面新浪微博都能夠獲得。前端展示出來(lái)的就是一個(gè)微博電視指數(shù)，但是后臺(tái)其實(shí)還有很多要做的事情。

5.開(kāi)放微博大數(shù)據(jù)和云計(jì)算環(huán)境

整個(gè)微博大數(shù)據(jù)建設(shè)的過(guò)程當(dāng)中，也希望能夠跟有共同服務(wù)用戶這一點(diǎn)理解訴求一致的行業(yè)的合作伙伴去進(jìn)行合作。這里面微博這邊能夠開(kāi)放出來(lái)的就是UGC的內(nèi)容流，還有基于微博這個(gè)生態(tài)體系所打的用戶方面的一些標(biāo)簽。

還有能夠提供一個(gè)開(kāi)放云計(jì)算的環(huán)境，具體合作也有三個(gè)層面，最基礎(chǔ)的就是數(shù)據(jù)這個(gè)層面的合作，比如數(shù)據(jù)的互補(bǔ)，對(duì)奇。第二個(gè)是場(chǎng)景層面，比如在微博這個(gè)場(chǎng)景上面一些功能，用戶在使用微博的時(shí)候，互聯(lián)網(wǎng)產(chǎn)品本身就是在創(chuàng)造場(chǎng)景，不斷滿足人細(xì)分場(chǎng)景下的需求。新浪微博跟這個(gè)垂直行業(yè)的伙伴一起尋找，在其他場(chǎng)景還有哪些可以做的。第三個(gè)就是產(chǎn)品的層面，這個(gè)形式不一定在微博內(nèi)，具體什么形式不確定。