- 发帖可能变空内容，邪门暂不知所以然
- 『稷下学宫』新认证方式，24年网站打算和努力目标
Adol
注册：2008-04-05 20:52:28
正三品:金紫光禄大夫|冠军大将军
正三品:金紫光禄大夫|冠军大将军
💧34343
🌟3363
💓2522
🌟3363
💓2522
家园
这几条主要是从单篇得花top20的帖子里面总结出来的，因为我收集的数据不会记录帖子的名称，所以标准化也好，排序也好，都是背对背的，排序过后，我才一个个输到浏览器里面看到底是哪些帖子，应该说，大部分都是有印象的，也有少部分比较早的帖子印象不深。 这里面首先就是仙人的帖子，仙人入选的 ...
墙似乎可以检测url里面的关键字，也可以深度检测文本里面的关键字。我文中提到的几次被墙，应该是整站被墙，也就是西西河的域名变成了关键字，然后阻断了。 如果是某些帖子打不开，比方说一打开就报一个错误，仿佛是404？还是1XX，我不记得了，可能接下来有一段时间不能上西西河，过一会又能 ...
但其实还差得远，估计河里的发考题们要见笑了。。。
[url=http://www.cchere.com/article/3560241]Adol:【原创】（四）西西河通胀问题之研究[/url] [B]6 西西河之最[/B] 本版有一篇置顶帖子，统计了2006年左右的西西河之最，那个时候鲜花还没怎么贬值，河友、帖子也都比现在少，夏 ...
还是老河友在这个问题上有发言权[em05]。 不过这样一来，我的假设就有问题了：通宝改革前，月得花数和注册人数的平方成正比。 修正的假设可能是：把2010年通宝改革之前的时期分为两段，有花之后，维持原假设，有花之前，可能的因素是越老的帖子越不容易翻出来送花？这个可以讨论。 无论怎 ...
[url=http://www.cchere.com/article/3559158]Adol:【原创】（三）对西西河吸引力的估计[/url] [B]5 西西河通胀问题之研究[/B] 上一节提到鲜花的贬值问题，也就是，前期注册用户的声望是不是和后期注册用户的声望等价？早期的很好的 ...
数据的预处理，抓取文本的分析，主要是perl 统计相关的部分，是R
接下来一节会提到。
是因为有现成的英雄榜-历次跳水者这个现成的列表。积分确实不能代表一切，声望好一些，但是如您所说，增长速度可能是更好的办法。但这个增速也会受到一些其他因素影响。比如，——我手里没有积分或者声望的历史数据，但是有花的数据，下一节也会简单分析一下。或许我们也可以通过累加获得时间-得花总 ...
但是家园博客的主题帖列表那里有版块的名称，而所有帖列表那里是没有的，所以我收集的数据里，没有这方面的数据。因此在帖子所属板块方面，我的数据还是很不完整的。或许铁大自己可以做更多的分析吧。 ...
[url=http://www.cchere.com/article/3558462]Adol:（二）“墙”对西西河的影响[/url] [B]4 对西西河吸引力的估计[/B] 那么接下来，我们想看一看，100个月以来，这944个核心用户是什么时候注册的，西西河经历的各种事件和网站 ...
访问量也是很重要的数据，毕竟我的回帖数字统计只是基于944名注册用户的，而访问量则是全站的，而且我也没有考虑cchere和talkcc的变动，因为家园博客-所有帖那里的列表，无论是现属cchere还是ccthere，链接一律是ccthere，好像点进去之后才会重定向。 ...
夏令时确实是没有考虑的，当时偷懒了，而且北美每年夏令时的开始日期都不太一样。。。 关于时间的换算，我是使用perl的函数完成的，首先把本地时间换算为纪元秒——距离公元元年1月1日0点0分0秒的一个整数，然后把2003年5月1日0点0分0秒换算，两者相减，得到的差再除以3600，得 ...
收集数据是自己写了程序，分析和统计肯定也不是自己数数了[em18]，我主要是用一种统计语言R完成的，R类似于Matlab，但是开源和免费的一种语言，功能上或许打些折扣，但是对我来说已经足够用了。 关于得草数，本来我是打算分析得草和得花的相关性，或者得草和得花和声望的相关性，但是草 ...
为了收集数据，确实是写了程序访问了944名用户的家园博客中的所有帖那个列表，尽管每翻一页我会等一秒钟。这个列表是公开的数据，然后计算得出的结果，具体情况在“数据”一节有所描述。 ...