社交媒体
可视分析

社交媒体（如微博、Twitter/X、微信等）已成为人们获取信息、表达观点和社交互动的主要平台。每天产生的海量数据包含文本、图片、地理位置、时间戳、社交关系等多维信息，为数据分析提供了丰富的素材。

社交媒体数据具有以下关键特点：

用户影响力是社交媒体分析的核心概念之一。影响力衡量一个用户在网络中传播信息的能力，通常由粉丝数、转发量、互动率等指标综合决定。识别高影响力用户（意见领袖/KOL）对舆情监控和营销分析具有重要价值。

社交媒体可视分析的核心任务可分为三大类：时空特征分析、传播分析和语义分析。每类任务对应不同的可视化方法和分析技术。

时空特征分析关注用户行为在时间和空间维度上的分布与规律。通过将社交媒体数据投射到地图和时间轴上，可以揭示群体活动的周期性、地域偏好和异常事件。

传播分析关注信息在社交网络中的扩散过程。一条微博被转发形成的转发链构成级联（cascade）结构，可视化这些结构有助于理解信息传播的规模、速度和关键节点。

语义分析利用NLP技术从文本中提取关键词、主题、情感倾向等信息。将这些信息可视化，可以帮助分析师快速把握舆论态势、追踪话题演变。

社交媒体中带有地理标签（geotag）的帖子可以揭示城市人群的时空活动规律。通过分析签到数据、打卡位置、发帖时间，可以发现旅游热点、通勤模式和城市功能区划。

典型应用包括旅游行为分析：通过分析游客在不同景点的签到数据，可以发现热门旅游路线、停留时间分布，为景区管理和旅游推荐提供依据。

信息传播可视分析旨在揭示社交媒体中信息扩散的模式和规律。当一条帖子被反复转发，形成层级式的传播结构。可视化这些传播路径，有助于识别关键传播节点、评估传播效果。

LeadLine是一套面向社交媒体传播分析的可视分析系统。它将传播事件按时间线组织，结合地理分布和网络结构，帮助分析师追溯信息传播链路，识别引发舆论爆发的关键"引线"事件。

D-Map通过分析用户的发帖行为、社交关系和内容偏好，构建多维用户画像。将用户在不同维度上的特征可视化，辅助理解不同类型用户的行为模式和传播贡献。

语义分析旨在从大量文本数据中提取有意义的模式，包括情感倾向、关键话题、观点对比等。社交媒体中的语义信息可视化有助于快速把握公众态度和舆论走向。

Co-Bridges是一个语义比较可视分析工具，它通过桥接不同群体或不同时间段的语义空间，帮助分析师发现话语差异和共识区域。例如，比较不同地区用户对同一事件的讨论差异。

ContextWing聚焦于上下文语义分析，采用翼状布局将同一关键词在不同语境中的含义并排展示，辅助分析师理解语义的多样性和歧义性。