基于25W+知乎数据，我挖掘出这些人群特征和内容偏好（一）

本次对话题进行分析的重点在于：

男、女性用户的话题关注差异

话题频繁项集和关联规则挖掘

用Word2vec量化话题之间的关联性

在社会化媒体中，话题是指一个有影响力的事件或者活动。而在知乎上，话题是由内容（问题和回答）和人（提问者、回答者和关注者）构成的，而且话题之间存在着父子级关系。

知乎上的“话题”有别于其他社会化媒体上的“标签”，并非由用户自由创建、自由使用。如果话题被合理的添加到问题上，就意味着根据社区的共识和使用习惯，一些可能相似的内容被联系在了一起。

本质上，话题的作用是连接人和问题，它描述的是一个领域。一类有共同主题或属性的问题可以归类到一个话题下。这些基于话题的联系和分组能够帮助用户方便、快速的发现某个主题的内容。

在知乎这个社会化媒体上，话题是用户活动的基础，用户的信息创造、传播、组织必须依赖于话题。因此，对知乎上“数据分析”相关用户群体的话题偏好分析很有必要，它可以从宏观上把握用户的内容需求。

（1）男、女性用户的话题关注差异

经统计，女性关注的话题数量有28727个,男性用户关注的话题数量是 35774个，从关注话题丰富度上来看，男性用户明显要多于女性用户。

二者关注话题的交并集情况如下所示：

由上图可见，男女性用户共同关注的话题较多，数量为22396个，分别占到女性话题关注数的78%和男性话题关注数的63%。总体上看，这部分人群在话题偏好上有较强的相似性。

现在由表及里，从TOP 30热门话题来看男女性用户在话题关注偏好上的异同。

先看看不区分性别下的TOP30热门关注话题：

从上图可以看到，“职业发展”、“自然科学”、“数据分析”、“电影”、“心理学”、“健身”、“生活”、“文学”、“互联网”和“投资”等是总体上排名靠前的话题。

再来看看女性用户TOP 30的热门关注话题：

其中，“职业发展”、“心理学”、“电影”、“数据分析”、“健身”、“自然科学”、“生活”、“文学”、“旅行”和“美食”是女性群体较为关注的话题。

最后，看看男性用户较为关注的TOP 30热门话题：

其中，“自然科学”、“数据分析”、“电影”、“职业发展”、“互联网”、“健身”、“心理学”、“生活”、“投资”、“历史”是男性用户较为关注的话题。

上面是按性别单独来分析的，但数据分析只有在“求同存异”时才能发现一些有意思的信息。现在用韦恩图展示一下男女性用户关注话题TOP30的交集和差集（男女性用户独有的关注话题）：

从TOP30关注话题的差集来看，女性用户的关注话题反映出她们精致、居家的特点，而男性用户反映出他们对技术和理性的偏爱。同时，二者的交集反映出他们对于自身职业发展的重视和对生活的的热爱。

（2）话题频繁项集和关联规则挖掘

做数据分析的小伙伴几乎都听说过“啤酒与尿布”的故事 ：在超市的订单记录中，啤酒和尿布总是频繁共同出现在同一条订单记录里，如果把啤酒和尿布放在一起售卖就会产生较好的收益。

那么，细想推理一下：数据分析相关的用户会关注一连串的话题，这些话题之间是否存在一定程度的关联关系？

按我们的常识来看，会的。比如，笔者关注“数据挖掘”，那么，“数据分析”、“大数据”、“机器学习”也很有可能成为笔者倾向于关注的话题，这种情况倒是显而易见。

但是，笔者还想挖掘另一类的话题关联性，比如，关注“数据分析”话题的用户还会关注哪些跨领域的话题，比如“美食”、“星座”、“哲学”等，这些话题会超出我们的意料。但对于内容运营者来说是福音，因为在数据分析相关的文章里杂糅这部分轻松愉悦的“辅料”，会增强内容的可读性和趣味性，促进内容的自发传播。

这就引出了本文的主题之一 ——话题关联度挖掘。