从数据挖掘的角度看caoliu社区 (从数据挖掘的角度看不属于隐私保护技术的是)
采集到的统计数据样本说明
数据来源：caoliu 网站 《达盖尔的旗帜》版块 页内容， 时间跨度 20150605至 20150907 。选择此版块是因为这个版的内容都是由注册的用户生产的，具有一定的分析价值。
条主题帖的标题、发帖时间、每条主题的回帖数量、发帖用户。(共由576个用户生产)
让一起来品味一下这个神秘社区的数据。
从 8537条主题信息中总共提取出了 576个用户，三个月中平均每个用户发表 14.8篇主题 排名第一的用户发帖数量更是达到了276篇。猜测一下，看来所有的网站都需要一部分活(ban)跃(yun)用(gong)户充实内容啊。 这里面真正的原创帖的比例能占到多少已经不重要了， 内容才是王道!!
当我码完这段js代码刷新浏览器查看结果的时候，整个人都不好了!!城会玩!城会玩啊!大家看排名第1和第6的关键词， 把和自己女朋友、老婆XXOO的照片分享出来真的那么好玩儿么。另外，让我们回归到小学语文课，来，请用以上关键词造句…… 你用上面的词组成的句子就是发帖者们所热衷的事情…
可能只看这一张图是没有很大的代表性的，表面上只能看出从8月份开始主题新增数量开始大步的上涨，什么原因导致的呢， 过一会在下面看到用户新增情况图的时候就会恍然大悟，对，大量新用户的加入。
从128841个图片url中提取出来的图片网盘，ihostimg.com 毫无疑问遥遥领先，难道这是CL的 副业 ?这之间到底有什么 千丝万缕的联系我先不瞎猜了，感兴趣的朋友可以自己想办法再去了解(不用梯子也可以访问!)。另外，大家注意排名倒数第二的图片网盘， sinaimg，对，就是你知道的那个 新浪 ，sinaimg是新浪旗下的开放云存储服务， 地址在这 “新浪作为国内10多年领先掌握全国最先进的全分布式系统架构和存储技术之一的公司，为你的 XXOO私密照片存储提供一站式解决方案”
这张图代表的是11250个用户账号分别是那一年注册的，可以看出2007-2010年和2011-2014年这两个时间段相对数量还是 比较平均的，50.6%的用户是在今年注册的，难道今年大范围的开放注册了。
这张折线图和上面的那张基本展示的信息是类似的，分类精确到每个月。
理论上说，只要是网站继续正常运营下去，且无论统计哪个时间段，这个图会一直保持这个状态，统计数据的基础是11250个 账号的最后一次的登陆时间，每次登陆都会用新的覆盖旧的，右边的顶点越高代表了用户重复登陆的次数越多，网站的运营越正常。
130704条回复帖的时间段分布情况，从8月份开始互动明显越来越多。单独看意义不大，只能看到最近互动增多，但是通过与 每日主题发表数量和新增用户图放在一起看，这三个趋势是成正比的，注册用户增多导致新增主题帖增多，不断的新内容产生带动了 论坛 的 活跃度，从而产生了更多的互动回复内容。
这张图的数据是从13074条回帖时间统计出来的，其实这张图的最终结果和我预计的还是有挺大差距的，原本我以为用户 访问的高峰期会是晚上的9点-12点，而真实的用户在线高峰期顶点确是上午的10点，10点不是大家刚刚开始投入 工作 的时间么。
忘记了从哪里看到过一句话：“ 互联网 上没有废品信息，只有放错位置的资源 ”， web数据挖掘方面还是很值得研究的 ，开发语言也没有优劣， 用自己最熟悉的语言去解决问题就是最好的实现方式。先解决问题，再优化过程，结果最重要!此次试验仅仅针对CL的一个版块进行了表面数据 的分析，我相信，如果更用心的话还能分析出更多的其他东西。比如：将采集到的10几万张图片下载下来，是不是可以作为图像识别系统识别色情图片的 训练素材?我只是采集了注册用户的用户名、注册时间、最后登陆时间等有限的几个字段，如果把用户在论坛内的等级、贡献值、回帖数量等信息也采集下来 结合其他字段进行加工和分析是不是能得出更多的有意义的结论呢?
作者： sheldonlee
来源： 卢松松博客 QQ/微信：13340454
本文地址： /article/437ccddda4f50c815b88.html
新一代视频风行网,提供免费电影、电视剧、综艺、动漫、体育等视频内容的在线观看和下载.累积7亿用户的全平台,为传媒机构和品牌客户开设了官方视频服务账号,通过大数据分析与个性推荐订阅技术,实现海量独家内容与用户个性需求即时匹配.
-数码-数据服务网址
LOL网址导航网是专业的上网导航网站,精心收录各类优质热门网站信息,同时提供天气、快递、违章等各种生活便民查询工具网址,为您提供安全便捷的上网导航服务,现已被众多网友设为上网主页,网址导航大全首选LOL网址导航.
豆果美食菜谱频道提供各种精选菜谱和食谱家常菜做法，以及粤菜、浙菜、湘菜等菜系，家常菜、私家菜、凉菜等菜品，健康食谱、美容食谱、减肥食谱等美食食谱。
腾佑科技致力于服务器系列业务数十年,主营服务器租用,服务器托管,云服务器租用,云主机租用,机柜租用,带宽租用,CDN加速,网络安全等业务,咨询热线:400-996-8756。
牙科网是中国最大的最全资讯百科网站，提供专业、完善的牙科信息服务，包括牙齿矫正，烤瓷牙，种植牙，补牙，镶牙，牙齿美白，根管治疗，牙科医院查询，牙科医生查询等频道。
爱旅游网是专注于旅游的综合平台,提供旅游攻略、景点介绍、旅行活动等相关信息。和山西爱途旅游俱乐部一起开启你的旅行新篇章吧！快来加入我们,让爱旅游的++点燃你的旅行梦想！
电脑网为您提供各类电脑资讯,如电脑技巧、电脑软件、组装电脑、电脑应用等全面广阔的内容,本站可以让您能轻易找到您想要的各类电脑知识。
农业种植网，种植领域专业网站，为广大农民朋友提供水果、蔬菜、中草药、农机和园林绿化等行业信息。
温江区金丝楠园艺场主要供应金丝楠木（桢楠）苗木。是全国较大的金丝楠（桢楠）苗木基地。兼营其他乔木、灌木、彩叶树种、盆景花卉，苗木供应，技术支持。
徐州威马机械有限公司,冷再生机,高品质冷再生机
磐石温泉网是一个专门提供温泉相关信息的网站，包括温泉百科、温泉酒店、温泉度假村、温泉旅游、温泉疗养等内容。在磐石温泉网上，可以了解到各种温泉的功效、泡温泉的注意事项、温泉度假村的推荐等信息，帮助人们更好地享受温泉疗养的乐趣。
很多的年轻女性朋友们在闲暇时间经常会约上三五个好友到饰品店中购买所喜爱的饰品，因此饰品的市场需求量一直都很可观，让不少的创业者看到了珠宝饰品行业所具有的广阔前景，产生了加盟其中的想法，爱丽丝珠宝是一家发源于香港的珠宝饰品品牌，自2015年成立以来，已经在全国建立了两百多家合作门店，在珠宝饰品行业中有着不可忽视的影响力，那么爱丽丝珠宝的...。
Win7系统提示欢迎使用找到新硬件向导怎么办？很多Win7用户都有遇到这种情况，刚打开电脑系统就弹出个‘欢迎使用找到新硬件向导’的窗口来，这个是因为你的电脑装了新硬件，但没有为其正确安装驱动，导致系统识别不了这个硬件，导致无法使用。
今日在脉脉里面看见一自称腾讯内部员工爆料，pony哥给内部高管开了会，说微视已经输给了西瓜抖音，新闻客户端也输给了头条，QQ直接输给了直播平台，布局不如阿里之类的，不确定是否是内部员工有待查证从1998年创立到2004年在香港上市，是腾讯的创业期，这一时期腾讯完成了产品仿制、应用创新到盈利模式探索的全过程，马化腾在创业之初提出2个产品...。
本周三，Arm发布了最新一代架构Armv9，这一架构是在目前已经广泛使用的Armv8的基础上，面向未来十年的新一代架构，雷锋网了解到，Armv9架构有三个系列，分别是针对通用计算的A系列，实时处理器的R系列，微控制器的M系列，预计未来两代移动基础设施CPU的性能提升将超过30%，首款基于Armv9架构CPU的移动处理器最快将在今年底问...。
近期，雷锋网，医健AI掘金志，邀请深睿联合创始人兼CTO李一鸣，做客雷锋网公开课，以，医学影像AI科研创新与产品转化，为题，对2020年医学影像的新关键词进行解析，后续将有更多课程上线，添加微信公众号听课，或收看本节课程视频回放李一鸣表示，AI从自然图像领域迁移到医学领域，看似技术相通，实则挑战完全不同，其中共有样本不均衡、多模态、临...。
4月7日，中国台湾电脑制造商微星，简称MSI，证实遭受了勒索病毒攻击，一个名为MoneyMessage的新黑客团伙称其从微星的网络系统中窃取了1.5TB的重要数据，并要求微星限期支付400万美元，约合2750万元人民币，的赎金，否则将公开所有被盗数据，4月17日，支付巨头NCR公司，一家美国软件与技术咨询公司，的数据中心遭受勒索软件攻...。
未来几年，以下几个社会现象将会成为现实，希望这些相关行业的从业者早做准备，未雨绸缪，其一，就业难将会成为常态就业将会越来越难、最近三年曾经如日中天的互联网企业在裁员降薪、曾经的用工大户也在裁员、不少倒闭破产的中小企业主也加入了就业大军、每年还有上千万的大学毕业生要就业、人工智能也取代了不少的就业岗位，而新增岗位的地方却看不到、未来不是...。
文字链接认证代码普通联盟标志认证代码企业广告联盟标志认证代码广告联盟评测代码说明，本页面的认证代码为淘哥广告联盟专用评测代码，站长需懂简单html知识，直接复制代码粘贴到联盟网站相应页面即可使用，本代码不适用于其他广告联盟网站请勿获取！文字认证，文字链接代码认证适用所有类型的广告联盟，复制代码后放在淘哥广告联盟网站首页底部或友情链接位...。
哄睡师顾名思义就是哄别人睡觉的，比如有一些人有着入睡困难的问题，就可以让哄睡师去帮助自己入睡，这其实就是一种陪伴式的聊天，并且哄睡师是很善于发现客人的心理问题的，会帮助客人解决，让客人的心情很放松，自然会产生困意，有一些哄睡师还会通过轻语以及唱歌的方式安抚客人的心情，效果是非常不错的，有一些人在听到哄睡师的时候，可能就感觉这个职业是没...。
白羊座，3月21日～4月20日金牛座，4月21日～5月21日双子座，5月22日～6月21日巨蟹座，6月22日～7月22日狮子座，7月23日～8月22日处女座，8月23日～9月23日天秤座，9月24日～10月23日天蝎座，10月24日～11月22日射手座，11月23日～12月21日摩羯座，12月22日～1月20日水瓶座，1月21日～2月...。
DuplicatePhotoCleaner是一款完全免费的手机重复照片清理软件，如果你怀疑自己的手机中存在重复照片的话，那么这款软件就可以派上用场
交通工具英语怎么说交通-3英语翻译是车辆。翻译:我常用的沟通工具是手机，其实，翻译:学习英语是因为工作需要，我觉得语言和人有关/，英语写作语言本来就是交流沟通是工具写作思路大概是这样的:1，出国后的语言障碍是最大的问题(背景)，比如留学，旅游，工作。1、翻译:我常用的沟通工具是手机.其实,手机作为我国大学生最常用的沟通方式...Tessa反对我。我经常使用沟通-3/手机。事实上，作为中国大学生最常用的沟通方法，手机实际上有其优点和缺点:方便学生与家人联系，可以解决想念家人或朋友的问题，可以保持良好。它的缺
爱普生EpsonL3110一体机驱动,爱普生EpsonEcoTankL3110打印机是一款墨仓式多功能一体打印机，性能强大且十分稳定、操作简单且非常易于维护，有需要官方驱动的朋友可以下载此驱动使用。,您可以免费下载。
久趣英语,久趣英语客户端是久趣英语推出的电脑客户端软件，久趣英语是一款专业提供英语教学的学习教育平台，在久趣英语客户端上汇集了众多外教，丰富、有趣的在线教程，有需要的赶快下载吧,您可以免费下载。
robokid萝卜圈虚拟机器人,robokid萝卜圈虚拟机器人是一款专业3D机器人在线仿真软件，该软件采用了可视化图片编程系统，同时它还支持JAVA等各种外部的编程平台，能够帮助用户尽情地发挥出自己的想象力和技术水平,您可以免费下载。
全新功能活码管理平台系统源码-支持群活码、淘宝客、分享卡片、短网址等安装教程：上传源码解压后，访问http://你的域名/install进行安装首页1.查看群活码、客服码、渠道码当天总访问量2.查看成员账号个数3.查看群...
阿里巴巴批发网(1688.com)是全球企业间(B2B)电子商务的著名品牌,为数千万网商提供海量商机信息和便捷安全的*市场,也是商人们以商会友、真实互动的社区平台。
