2025年大學《數(shù)據(jù)科學》專業(yè)題庫——數(shù)據(jù)科學與社交媒體信息傳播研究考試時間：______分鐘總分：______分姓名：______一、選擇題1.下列哪項不屬于從社交媒體平臺獲取用戶行為數(shù)據(jù)的主要途徑？A.API接口調(diào)用B.網(wǎng)絡爬蟲技術C.用戶調(diào)研問卷D.數(shù)據(jù)合作與購買2.在社交網(wǎng)絡分析中，度中心性主要用于衡量節(jié)點連接的多少，其值越大，通常意味著該節(jié)點：A.信息影響力越大B.與其他節(jié)點重疊連接越多C.獲得信息渠道越廣D.以上都是3.以下哪種算法不常用于社交網(wǎng)絡中的社群發(fā)現(xiàn)？A.譜聚類B.PageRankC.K-means聚類D.層次聚類4.衡量社交媒體信息傳播速度和廣度的指標通常包括傳播深度和傳播寬度，其中傳播寬度指的是：A.信息傳播的最遠距離B.信息觸達的最終用戶數(shù)量C.信息傳播路徑的平均長度D.最初發(fā)布者與最遠接收者之間的鏈條長度5.對于社交媒體文本數(shù)據(jù)，以下哪項技術不適用于提取結構化信息？A.詞性標注B.命名實體識別C.主題模型D.文本分類6.在構建社交媒體用戶畫像時，以下哪種數(shù)據(jù)通常不被視為重要來源？A.用戶發(fā)布的帖子內(nèi)容B.用戶的基本注冊信息C.用戶的經(jīng)濟消費記錄D.用戶的好友關系網(wǎng)絡7.下列哪項模型最常被用于描述傳染病在社交網(wǎng)絡中的傳播過程？A.網(wǎng)絡嵌入模型B.協(xié)同過濾模型C.SIR傳播模型D.卷積神經(jīng)網(wǎng)絡8.社交媒體上的“信息繭房”現(xiàn)象，主要是由以下哪個因素導致的？A.網(wǎng)絡延遲B.用戶自主選擇和信息過濾算法C.網(wǎng)絡帶寬限制D.網(wǎng)絡設備故障9.以下哪種數(shù)據(jù)挖掘技術不適用于識別社交媒體上的虛假信息或謠言？A.情感分析B.關聯(lián)規(guī)則挖掘C.異常檢測D.文本聚類10.將自然語言處理技術與社交網(wǎng)絡分析相結合，主要目的是：A.提高網(wǎng)絡傳輸速度B.增強網(wǎng)絡安全性C.深入理解網(wǎng)絡結構和信息傳播機制D.降低網(wǎng)絡運營成本二、簡答題1.簡述使用網(wǎng)絡爬蟲從社交媒體平臺抓取數(shù)據(jù)時，需要考慮的主要挑戰(zhàn)和應對策略。2.簡要解釋什么是“信息級聯(lián)”(InformationCascades)，并說明其在社交媒體傳播研究中的意義。3.描述在進行社交媒體用戶行為分析時，數(shù)據(jù)預處理階段主要包括哪些步驟。4.什么是社交網(wǎng)絡中的“中心節(jié)點”？請列舉三種不同的中心性指標，并簡要說明其含義。三、計算題假設有一個小型社交網(wǎng)絡，包含5個用戶(A,B,C,D,E)和以下部分連接關系：A-B,A-C,B-C,B-D,C-E。請基于此網(wǎng)絡結構，計算用戶B的度中心性、中介中心性和特征向量中心性，并簡要說明這三個指標反映的用戶B在網(wǎng)絡中的不同角色或影響力。四、論述題結合數(shù)據(jù)科學的相關技術方法，論述如何設計一個研究方案，用于分析特定話題（例如“某項公共政策”）在社交媒體平臺上的傳播特征。請說明你的研究目標、可能采用的數(shù)據(jù)源、關鍵的分析技術（至少包含兩種數(shù)據(jù)科學方法）、以及如何評估傳播效果或識別關鍵傳播節(jié)點。在論述中，可以適當提及傳播學理論，但重點應放在數(shù)據(jù)科學方法的運用上。試卷答案一、選擇題1.C2.D3.B4.B5.C6.C7.C8.B9.A10.C二、簡答題1.挑戰(zhàn)：需要考慮目標網(wǎng)站的反爬策略（如User-Agent驗證、IP封禁、驗證碼）、數(shù)據(jù)格式多樣性與動態(tài)性、數(shù)據(jù)量巨大、網(wǎng)絡爬蟲的效率與合法性、數(shù)據(jù)質(zhì)量（如缺失值、噪聲）等。應對策略：遵守robots.txt協(xié)議；設置合理的請求延遲；使用代理IP池；采用分布式爬蟲架構；對網(wǎng)頁進行解析（如使用正則表達式、HTML解析庫）；對獲取的數(shù)據(jù)進行清洗和驗證；模擬瀏覽器行為（設置User-Agent、Cookies等）。2.信息級聯(lián)是指在信息傳播過程中，許多個體在接收到信息后，并沒有經(jīng)過獨立思考，而是直接模仿他人的行為（例如，轉發(fā)、點贊），導致信息像級聯(lián)一樣傳播。其意義在于：有助于理解為何某些信息能夠快速、廣泛地傳播；揭示了社交媒體中從眾行為和自動轉發(fā)現(xiàn)象的普遍性；為識別信息傳播的關鍵節(jié)點和路徑提供了依據(jù)；對于評估信息真實性和防止謠言擴散有重要參考價值。3.數(shù)據(jù)預處理階段主要包括：數(shù)據(jù)清洗（處理缺失值、異常值、重復值，糾正格式錯誤）；數(shù)據(jù)集成（將來自不同來源的數(shù)據(jù)進行合并）；數(shù)據(jù)變換（如歸一化、標準化、文本向量化）；數(shù)據(jù)規(guī)約（減少數(shù)據(jù)規(guī)模，如采樣、特征選擇）。對于社交媒體數(shù)據(jù)，還需進行特定處理，如用戶ID映射、關系抽取、文本內(nèi)容清洗（去標點、去停用詞、表情符號處理）等。4.社交網(wǎng)絡中的中心節(jié)點是指在網(wǎng)絡中處于關鍵位置，能夠高效地控制信息流動或資源轉移的節(jié)點。中心性是衡量節(jié)點中心位置或重要性的指標。常見的中心性指標包括：*度中心性：衡量節(jié)點連接的多少，即與該節(jié)點直接相連的邊的數(shù)量。值越大的節(jié)點，通常意味著其直接聯(lián)系人越多，是信息傳播的“接口”。*中介中心性（或稱為橋梁中心性）：衡量一個節(jié)點出現(xiàn)在網(wǎng)絡中其他節(jié)點對之間最短路徑上的頻率。值越大的節(jié)點，通常位于網(wǎng)絡結構的關鍵“瓶頸”位置，能夠“監(jiān)控”或“控制”其他節(jié)點間的連接，阻斷信息傳播則效果顯著。*特征向量中心性（或稱為影響力中心性）：衡量節(jié)點的重要性，不僅考慮其連接數(shù)，更考慮其鄰居節(jié)點的重要性。一個節(jié)點連接的鄰居節(jié)點越重要，該節(jié)點本身的重要性也越高。這通常用于識別網(wǎng)絡中的“意見領袖”。三、計算題度中心性：節(jié)點B的出度是2（連接到A、C），入度是1（連接自A），總度數(shù)是3。在網(wǎng)絡中，節(jié)點B連接了A、C、D、E四個節(jié)點（包括單向和雙向，需根據(jù)實際邊定義，若均為單向，則連接數(shù)為2；若均為雙向或混合，則連接數(shù)為4。假設題目隱含雙向連接或混合模式，且基于提供邊計算直接連接數(shù)為4）。假設采用基于邊的連接數(shù)計算（忽略方向性，看直接接觸范圍）：度中心性=4（B直接連接A,C,D,E）。若嚴格按度數(shù)定義（出度+入度），則為3。此題答案取決于對“連接關系”的具體理解。此處按連接范圍計算：度中心性=4。中介中心性：計算B是否位于其他節(jié)點對的最短路徑上。檢查所有節(jié)點對：*AB:無需經(jīng)過B。*AC:無需經(jīng)過B。*AD:可能經(jīng)過B(A-B-D)，是。*AE:可能經(jīng)過B(A-B-E)，是。*BD:無需經(jīng)過B。*BE:無需經(jīng)過B。*CD:可能經(jīng)過B(C-B-D)，是。*CE:可能經(jīng)過B(C-B-E)，是。*DE:無需經(jīng)過B。B出現(xiàn)在以下路徑中：AD,AE,CD,CE。共有4條路徑包含B。網(wǎng)絡總節(jié)點數(shù)為5，最大可能路徑數(shù)為組合數(shù)C(5,2)=10。中介中心性=4/10=0.4。特征向量中心性：計算B的權重向量。假設每個連接的權重為1。B的鄰居節(jié)點是A,C,D,E。計算每個鄰居的重要性（這里簡化，假設所有鄰居重要性相同，值為1）。*A的重要性=(1/4)*(1+1+1+1)=1*C的重要性=(1/4)*(1+1+1+1)=1*D的重要性=(1/4)*(1+1+1+1)=1*E的重要性=(1/4)*(1+1+1+1)=1B的特征向量得分=(1/4)*1+(1/4)*1+(1/4)*1+(1/4)*1=1。（注：此簡化計算假設網(wǎng)絡規(guī)模小且節(jié)點重要性均衡，實際計算會更復雜。）四、論述題設計研究方案分析特定話題（如“某項公共政策”）在社交媒體上的傳播特征：研究目標：1)描述該政策話題在選定社交媒體平臺（如微博、Twitter）上的傳播時間線與熱度變化；2)識別并分析在傳播過程中起關鍵作用的核心用戶（意見領袖）及其特征；3)揭示信息傳播的主要路徑和模式（如級聯(lián)、廣播）；4)分析用戶對政策話題的主要觀點、情感傾向及其演變；5)探討影響傳播效果的關鍵因素。數(shù)據(jù)源：選取主流社交媒體平臺（如微博、Twitter、Facebook等）作為數(shù)據(jù)來源。利用平臺API或網(wǎng)絡爬蟲技術，根據(jù)預設的關鍵詞（如政策名稱、相關標簽、相關人物）和時間范圍，抓取相關帖子（文本、圖片、視頻）、用戶信息（用戶ID、關注者數(shù)、認證狀態(tài)等）、用戶互動數(shù)據(jù)（轉發(fā)、點贊、評論數(shù)）以及用戶關系網(wǎng)絡數(shù)據(jù)?？赡苓€需要結合搜索引擎數(shù)據(jù)、新聞報道等作為補充。關鍵分析技術：1.時間序列分析：對抓取到的帖子數(shù)量進行統(tǒng)計，繪制傳播熱度隨時間變化的曲線圖，識別傳播高峰期和衰減期。分析不同階段（如發(fā)布初期、發(fā)酵期、穩(wěn)定期）的特征。2.社交網(wǎng)絡分析：*構建以用戶為節(jié)點、轉發(fā)/互動行為為邊的傳播網(wǎng)絡。*計算節(jié)點的中心性指標（如度中心性、中介中心性、特征向量中心性），識別關鍵傳播節(jié)點（高影響力用戶）。*進行社群發(fā)現(xiàn)（如使用社區(qū)檢測算法），識別參與討論的緊密群體。*分析信息傳播的路徑特征，判斷傳播是傾向于“爆炸式”擴散還是“滾雪球”式擴散。3.自然語言處理(NLP)：*對帖子文本進行情感分析，統(tǒng)計不同時間段內(nèi)正面、負面、中性情感的占比及變化趨勢。*進行主題建模（如LDA），挖掘用戶討論的焦點議題和子話題。*利用命名實體識別（NER）提取事件相關的人物、地點、組織等關鍵信息。*進行文本分類，將帖子按立場（支持/反對/中立）或內(nèi)容類型（事實陳述/觀點評論/情緒表達）進行分類。評估方法：*傳播效果：可以通過衡量信息觸達的用戶數(shù)、互動總量（轉發(fā)+評論+點贊）、傳播范圍（覆蓋的地理區(qū)域或用戶群體多樣性