基于百度贴吧的HIV高危人群特征分析与LDA话题建模

基于百度贴吧数据的用户行为模型，蛮适合对线上 HIV 高危人群做探索性研究的。用的是LDA 话题模型和关键词分类这种比较常见但实用的机器学习方法，能自动挖出用户讨论的重点，还能通过话题判断用户的性取向，听着有点神奇，但其实原理还挺简单。结合贴吧发帖时间、频率啥的，也能摸索出用户的活跃规律。

像这种基于现成论坛内容的数据挖掘，适合搞舆情监控、疾病预警这类的应用。比传统调研高效多了，不用发问卷、不用做访谈，直接线上爬数据、跑模型，效率高。

感兴趣的话你可以看看这几个资源，有建贴吧论坛的、也有抓贴吧数据的：

• ASP.NET SQL2008 R2 制作论坛仿百度贴吧形式
• 贴吧留言板程序
• Asp+Access 搭建贴吧
• R 语言贴吧数据爬取：复仇之矛吧案例
• 基于数据关联规则的网上贴吧系统设计与实现

如果你也在研究用户行为、疾病传播模型，或者对 LDA 和线上人群分类感兴趣，可以试试用贴吧这种用户密度高的平台做数据源，性价比还蛮高的。