君，已阅读到文档的结尾了呢~~
广告剩余8秒
文档加载中
[知识]北京大学 PKUVIS 微博可视分析工具操作指南
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
[知识]北京大学 PKUVIS 微博可视分析工具操作指南
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口北京大学 PKUVIS 微博可视分析工具 (WeiboEvents) 是北京大学可视化与可视分析研究组开发的微博传播分析工具。它通过直观的视图清晰地呈现出一个事件中微博转发的过程，让您能够迅速地发现事件中的关键人物、关键微博、重要观点，同时通过可视化的方式帮助您更好地分析新浪微博中事件的发生与发展过程。
您可以与这个神奇的页面进行交互，不仅可以看到故事发展的全貌，还可以像一个真正的侦探一样发掘出故事背后的秘密。
下图是本工具的主界面。
微博传播视图: 每个节点代表一条微博，连线代表转发关系，可视化展示微博传播的过程。
工具栏: 一些常用的功能，如切换视图、缩放等。
时间线: 显示单位时间微博的数量。
面板: 包括详细的视图参数、微博过滤器、关键词以及统计图表、用户列表等。
微博传播视图中有帆状视图、树状视图和圆环视图三种模式，可以在工具栏中通过, , 按钮切换。
横轴为时间，纵轴为转发关系。
传统的树形结构，仅显示转发关系。
可交互的圆环形视图，每个圆环中心为重要节点，周围是该节点的转发。圆环之间连线表示重要节点间的转发关系。
视图的移动与缩放
通过, , , , , 工具配合视图上的光标操作可以调整视图位置与大小。
选中后，可以在视图中拖动光标，选中区域并放大。
选中后，可以在视图中拖动光标，平移视图。
放大、 缩小:
放大/缩小视图。
回到上一个视图。
回复默认视图。
早期的案例分析：
CSV 数据说明
下载到的数据为 UTF-8 编码的 CSV 格式，Microsoft Excel 即可打开。
字段名称说明
id微博的 ID
mid微博的 MID
uid微博作者的 UID
parent该条微博直接转发微博的 MID
type微博的类型，暂无用处
t微博发布时间，，即自 1970 年 1 月 1 日 00:00:00 UTC 时间以来的秒数
comments_count微博的评论数
reposts_count微博的转发数，这个转发数是新浪给出的，可能和抓取到的数据中转发数有所不同
user_created_at微博作者创建时间，
followers_count微博作者的粉丝数
statuses_count微博作者的微博数
friends_count微博作者的关注数
username微博作者的用户名
user_description微博作者的用户描述
city微博作者的城市编号，具体请查阅
province微博作者的省份编号
gender微博作者的性别，m 为男，f 为女，n 为未知
verified微博作者是否已加 V
verified_reason微博作者加 V 原因
verified_type微博作者加 V 类型
original_text微博原始文本
text作者本人文本（去掉第一个 //@ 后面的内容）
words分词结果，暂为空
emotion情感值，暂为空
自定义图表
WeiboEvents 提供一个自定义图表的功能，您可以用自己的算法计算统计量，然后用可视化或文本呈现。
目前我们支持的图表有直方图，更多图表类型将随后加入。
要使用这个功能，您需要输入一段 Javascript 代码，像下面这样:
function(fx, tweets) {
// 这里可以写一段 Javascript 代码，用自定义的算法计算统计信息然后绘图。
// fx 中包括一些常用函数，如 fx.min, fx.max 等。
// tweets 是所有微博构成的数组。
// 在这里编写代码，实现您的算法，生成图表或文本信息。
// fx.print(text): 输出文本
// fx.draw(graph): 绘制图表
// 注意: 不要添加多余的变量或函数，一切应在上面的函数中完成。
分别计算本事件中男、女、VIP 用户的平均粉丝数，并可视化。
function(fx, tweets) {
// 我们想显示男女用户的平均粉丝数(VIP单独计算)。
// 生成一个数组，每个元素表示用户的性别
var names = ["Male", "Female", "VIP", "unknown"];
var classes = ["m", "f", "v", "n"];
var get_class = function(tweet) {
if(tweet.verified) return "v";
if(tweet.gender == "m" || tweet.gender == "f") return tweet.
return "n";
var data =
var weights = classes.map(function(c) {
var c_tweets = tweets.filter(function(t) { return get_class(t) == });
if(c_tweets.length == 0) return 0;
return fx.mean(c_tweets, fx.$pick("followers_count"));
// 如有需要，可以打印调试信息。
fx.print("微博总数: " + tweets.length);
// 调用 draw 函数生成图表，多次调用可生成多个。
fx.chart({
title: "My Custom Chart",
type: "bars",
// 类型，这里使用条形图
names: names,
// 每一条的显示名称
values: classes,
// 每一条的内部名称
data: data,
weights: weights
// 数据项的权重(可选参数，默认全1)
我们在 fx 和 tweets 参数中提供您所需要的工具和数据。
fx 参数中包含很多实用的工具函数。
fx.print(string/object) 函数用于输出字符串或用 JSON 形式输出对象。
fx.print("Hello World!");
// 输出 Hello World!
fx.print({ a: 1, b: 2 });
// 输出 {"a":1,"b":2}
fx.draw(info) 函数用于输出图表。其中 info 是一个对象，包括图表所需要的信息。
type: "bars",
// 图表类型: 条形图为 bars
title: "Title",
// 标题，可选
names: [ "name1", "name2", ... ],
// 每一条的名称
values: [ value1, value2, ... ],
// 每一条对应的数值或文本
data: [ data_value1, data_value2, ... ],
weights: [ weight1, weight2, ... ]
// 权重，可选，默认全为 1
// 条形图的画法是: 将每一条对应的数据的权重求和，对应到每条的长度。
fx.min, fx.max, fx.mean, fx.sum, fx.std, fx.variance
这些函数分别用于计算最小值、最大值、平均值、求和、标准差、方差。用法如下示例:
// 普通数值数组
var data = [ 1, 2, 3, 4, 5 ];
var m = fx.mean(data); // m = 3
var s = fx.max(data);
// 对象数组，第二个参数传递函数对象，用于获取属性值
var data = [ { a: 2, b: 4 }, { a: 1, b: 3 } ]
var m = fx.max(data, function(d) { return d.a; });
var m = fx.max(data, function(d) { return d.b * 2; }); // m = 8
微博元素属性
tweets 数组中包含每个微博的信息，每条微博是一个 Javascript 对象，这个对象和导出 CSV 时的微博对象大致相同，但有所区别，具体有如下属性:
属性名称说明
id微博的 ID
mid微博的 MID，ID 和 MID 一般是一样的，我们内部都用 MID
original_text微博原始文本
text作者本人文本（去掉第一个 //@ 后面的内容）
parent该条微博直接转发微博的 ID，0 表示原微博
children数组，子微博的 MID 列表
type微博的类型，暂无用处
t微博发布时间，，即自 1970 年 1 月 1 日 00:00:00 UTC 时间以来的秒数
comments_count微博的评论数
reposts_count微博的转发数，这个转发数是新浪给出的，可能和抓取到的数据中转发数有所不同
uid微博作者的 UID
username微博作者的用户名
user_description微博作者的用户描述
gender微博作者的性别，m 为男，f 为女，n 为未知
user_created_at微博作者创建时间，
followers_count微博作者的粉丝数
statuses_count微博作者的微博数
friends_count微博作者的关注数
city微博作者的城市编号，具体请查阅
province微博作者的省份编号
verified微博作者是否已加 V
verified_reason微博作者加 V 原因
verified_type微博作者加 V 类型
words分词程序得到的分词结果
emotion计算的情感值
Copyright , Peking University, All rights reserved.君，已阅读到文档的结尾了呢~~
[精彩]北京大学 pkuvis 微博可视剖析对象操纵指南
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
[精彩]北京大学 pkuvis 微博可视剖析对象操纵指南
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口君，已阅读到文档的结尾了呢~~
【最新精选】北京大学 PKUVS 微博可视分析工具操作指南
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
【最新精选】北京大学 PKUVS 微博可视分析工具操作指南
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口输入微博URL:
例如: //A3j83wqYQ
本工具仅能在支持 HTML5 的浏览器上运行，如果您遇到问题，请尝试使用 。
把这个“”拖入您的书签栏，进入微博界面后点击，微博后面会出现“可视分析”按钮。
也可以使用
编写的 （连接无效了）。
如果您在研究中使用本工具，请引用如下文献。希望您将引用信息发送给我们 ( Email: pkuvis[at] )，特别对于毕业论文等用途。
Ren, Donghao, Xin Zhang, Zhenhuang Wang, Jing Li, and Xiaoru Yuan. "WeiboEvents: A Crowd Sourcing Weibo Visual Analytic System." In Pacific Visualization Symposium (PacificVis) Notes, 2014 IEEE, pp. 330-334. IEEE, 2014.
@inproceedings{Ren2014WeiboEvents,
author = {Ren, Donghao and Zhang, Xin and Wang, Zhenhuang and Li, Jing and Yuan, Xiaoru},
booktitle = {Pacific Visualization Symposium (PacificVis) Notes, 2014 IEEE},
title = {WeiboEvents: A Crowd Sourcing Weibo Visual Analytic System},
year = {2014},
month = {March},
pages = {330-334}
Copyright , Peking University, All rights reserved.