突发话题传播建模与预测的主要目的是对网络中可能产生不良影响的、紧急性突发事件的后续传播进行控制。目前微博网络中的话题传播与预测研究尚处于起步阶段。通过对病毒传染模型、消息传播模型以及话题传播模型的深入研究，提出一种基于微博粉丝关系、用户活跃度和影响力的话题传播模型，将微博用户集合划分为感染用户、易染用户和免疫用户，分析感染用户和易染用户的粉丝关系，预测下个时间窗口内被感染的用户规模。沿用话题传播模型研究中的“内外场强”概念，通过研究发现“内场强”和“外场强”有特定的比例关系，基于用户群的规模大小，分别提出基于用户和节点规模的话题传播预测算法。相关实验表明，基于用户的算法预测更为准确但是时间复杂度较高，基于节点规模的算法则更适合大规模数据集的处理。

一个网上找到的JAVA开发的关于微博的爬虫程序，希望能够分享给大家，详细内容请看压缩文件

安全技术-网络信息-微博网络的社区发现研究.pdf

安全技术-网络信息-微博网络群体结构的研究.pdf

安全技术-网络信息-微博网络中的重叠社区发现算法研究.pdf

安全技术-网络信息-论坛博客微博网络舆论的议题设置比较研究.pdf

瘟疫计划 微博瘟疫计划（PlaguePlanWeibo）的爬虫源码，该计划通过爬取微博的四亿月活用户分析微博网络人际关系。 如何使用 在终端中运行python脚本。 '''python weibo_user_spider.py'''它将自动运行。 另外，您可以将这些类导入到自己的脚本中以运行它。确保所有文件中的所有类都包括在内。 如果您使用第2部分中提到的方法，请注意以下有关使用主类UserSpider的注意事项： 首先，获取此类的实例。“”“示例= UserSpider（）”“” 使用“”“ example.run（）”“”快速启动。 有时，硬编码中预先设置的cookie可能会过期。请使用“ example.setcookies（）”脚本设置一个新的cookie（域： ：//weibo.cn 。 确保所有文件都在同一工作区中。 它是如何工作的 它在区块链技术中采用了类似于

为了能够有效地识别水军，在以往相关研究基础上，设置粉丝关注比、平均发布微博数、互相关注数、综合质量评价、收藏数和阳光信用这6个特征属性来设计微博水军识别分类器，并基于贝叶斯模型和遗传智能优化算法实现了水军识别算法。利用新浪微博真实数据对算法性能进行了验证，实验结果表明，提出的贝叶斯水军识别算法能够在不牺牲非水军识别率的情况下，保证水军识别的准确率，而且提出的阈值优化算法能显著提升水军识别的准确率。

两周多的结果，不调用新浪微博、腾讯微博等四大微博官方提供的api进行微博内容的抓取，获取到更多的信息，可定制自己的需求。

该爬虫属于本人2015新作，虽然尚有不足，却具有爬虫的基本雏形，望借鉴 该爬虫属于本人2015新作，虽然尚有不足，却具有爬虫的基本雏形，望借鉴