L'extraction de données est un motif efficace, roman, éventuellement utile et finalement compréhensible d'une base de données structurée; l'exploitation de texte (dans la base de données texte est également connue comme La découverte de données sur les données de données texte ou la découverte des connaissances) est un processus de semi-automatisation pour des informations utiles ou des connaissances à partir d'un grand nombre de données non structurées.

Pour une excavation de texte, veuillez consulter "Opérations de données | Analyse des données, l'analyse de texte est beaucoup plus importante que l'analyse numérique! (ON)", "En fonctionnement, pourquoi l'analyse de texte est-elle plus importante que l'analyse numérique? Un cas réel? , cinq heures (ci-dessous).
La partie d'excavation de texte de ce document implique principalement des statistiques de mots haute fréquence / extraction de mots-clés / nuage de mots-clés, clustering de titre d'article, clustering de contenu d'article, article de contenu de l'article LDA Theme Analyse du modèle, vecteur de mots / analyse de texte associée, guichet automatique Modèle, logement de diffusion de vocabulaire et analyse de cluster de mots.

Pour une extraction de mots clés, l'auteur ne prend pas la méthode des statistiques de fréquence de mots, car la logique des statistiques de fréquence de mot est la suivante: Un mot apparaît dans l'article, plus il est, plus il est important. Ainsi, l'auteur utilise la méthode d'extraction de mots-clés de

TF-IDF

(fréquence de document inverse des termes):

Il est utilisé pour évaluer un mot / mot pour un jeu de fichiers ou L'importance de l'un des documents dans un corpus, l'importance du mot / mot augmentera le nombre dans le fichier dans le fichier, mais en même temps, car sa fréquence se produit dans le corpus, elle diminue.

On peut voir que lorsque les informations clés du texte sont extraites, l'extraction de mots-clés est plus souhaitable que les statistiques de fréquence de mot, et il peut extraire des mots-clés ayant une signification importante pour un certain morceau de texte.
Ce qui suit est le TOP100 mots-clés extraits de Jieba après le pré-traitement, près de 400 Mo.

Du point de vue macro, 3 types de mots-clés peuvent être identifiés d'en haut:
Marque de la société:
• Tiger reniflant, Apple, Tencent, Apple , Xiaomi, etc.;
Secteur de l'industrie:
• Industrie, commerce électronique, jeux, investissement, publicité, intelligence artificielle, téléphones intelligents, etc. Entrepreneuriat, Modèle d'entreprise:
Modèle, innovation, entreprise, exploitation, trafic, employé, etc.
Du point de vue microscopique, les "utilisateurs" sont des "utilisateurs" et les pratiquants sur Internet sont dans la bouche "," les utilisateurs sont roi "," les utilisateurs d'abord "et" utilisentCentres ", puis" plate-forme "et" entreprise ".


L'auteur sélectionne le mot-clé Top500 pour dessiner des nuages de mots-clés. Parce que le nom du tigre renifle Siegfried Sassoon's célèbre verset" en moi les tigersniffs de la rose (coeur a Un tigre, sentait rose), le nuage de mots est donc en arrière-plan de "tigre sniff rose", vous ne trouvez pas le tigre droit reniflant de la photo, utilisez donc ses proches parents comme une alternative, le mot nuage est le suivant:

4.2 Analyse du modèle d'objet LDA

La classification des mots-clés est plus épaisse et la division humaine, il est inévitable qu'il y ait une perte, pas atteint un effet complet. Par conséquent, l'auteur utilise le modèle de sujet LDA pour découvrir les sujets potentiels du cadavre. Pour les principes pertinents du modèle thématique LDA, veuillez vous reporter à «Marchandises à sec» avec une excavation de texte de données de données pour inspecter le statut de l'industrie «Bicycletage partagé» et la tendance ».

En général, l'auteur définit le nombre de thèmes à 10, après quelques heures de fonctionnement, résultant comme suit:




On peut voir qu'après le texte Après le traitement, le texte est relativement pur. Par le biais du "mot-clé" sous chaque sujet, il peut être facilement analysé à partir de ces 10 clusters, mais trois de ces sujets ont un cas de Murdish (y compris chaque sujet) 2 sujets), mais cela fait n'affecte pas l'analyse de suivi de l'auteur, la classification du sujet est affichée dans le tableau ci-dessous:


E-Commerce & Amp; O2O Ce thème contient deux parties, à savoir le commerce de détail sur les principales plates-formes de commerce électronique (Taobao, Jingdong, etc.); O2O (boutique en ligne en ligne en ligne hors ligne de la consommation hors ligne) pour les consommateurs, les consommateurs sur les services de dépistage en ligne et la vérification de la consommation en ligne et l'expérience de la consommation. La stratégie géante : Principalement la BAT nationale Trois revenus, financement, fusions et acquisitions et informations sur les nouveaux espaces Internet.

UTILISATEUR & AMP; SOCIAL : principalement impliqué dans les utilisateurs et les médias sociaux (micro-blogging, qq, wechat, plates-formes en direct, etc.).

Entrepreneuriat : recommandé toutes sortes de sujets sur les entrepreneurs, les modèles d'innovation, les entreprises entrepreneuriales et les plus impressionnés sont difficiles.

Intelligence artificielle : Saisie de l'ère d'Internet mobile, l'accumulation continue de toutes sortes de données en ligne et de la netteté de la technologie de matériel, l'âge de la grande données arrive, et il reste encore artificiel. Intelligence, cette zone est en ChineEn dehors du centre du géant informatique.

Smartphone La popularité des smartphones est l'un des catalyseurs soulevés par l'ère d'Internet mobile. Depuis 2012, "Dongfeng (Smartphone domestique) a progressivement dépassé" Western Wind (étranger Smartphone Enterprise) " Divertissement de cinéma : L'industrie cinématographique et télévision et culturelle possède une grande industrie, attirant de nombreuses capitaux. Une fois que le capital financier est entré en collision avec l'industrie du cinéma, il s'agit de la montée rapide du marché chinois de la consommation de films et de télévision. L'introduction continue du Bureau à grande échelle et de la coiffe d'Hollywood étrangère a été innovée, stimulant directement les praticiens du film et de la télévision nationales afin d'améliorer leur propre scénariste et son propre niveau d'emballage, née avec un grand nombre de chefs-d'œuvre de film et de télévision, tels que «Charlotte Problème "Au cours des trois dernières années," Mekong River Action "," Wolf 2 ".

Finance Internet : Internet Finances (ITFIN) désigne les nouvelles entreprises financières des institutions financières traditionnelles et des sociétés Internet à utiliser la technologie de la technologie Internet et les technologies de la communication d'informations pour réaliser des fonds, des services de paiement, des investissements et des services d'intermédiaire d'informations. maquette. Depuis 2011, Internet Finance a connu une phase de développement des activités financières substantielle de forte vol, dans lesquelles la finance Internet nationale présente une variété de modèles commerciaux et de mécanismes opérationnels. Sous le sujet, le troisième mot-clé "LTV" est dans les yeux, à partir de la fin de 2014, Jia Yueping a annoncé que le "voir plan" est arrivé à la mi-octobre 2017, LetV net a perdu 1,6 milliard, Jia Yuenting est de 40 milliards de moins que 3 dans l'année, "le voyez du bâtiment de Zhu, voir sa fête"

sans pilote : sans pilote est une voiture intelligente sans pilote à travers le système d'intelligence artificielle, c'est dans cela au siècle, en particulier dans le Cinq dernières années, il a été proche des tendances pratiques. Par exemple, Google Automatic Draging a remporté la première licence de véhicules de conduite automatique aux États-Unis en mai 2012, et les voitures sans pilote de Tesla ont été sur le marché. Vente. Avec l'amélioration continue de la technologie et du matériel, il est de plus en plus mature et est devenu une prostituée qui veut se promener dans les géants Internet nationaux.

Sur le jeu Internet fait référence à l'industrie Internet la plus puissante en plus des finances sur Internet, de la récente "King Glory" Chengdu, l'événement de prix de fin d'année, on peut voir qu'il n'y a pas de Besoin de dire que la langue populaire "manger du poulet"; en même temps, avec le développement continu de l'industrie de la propriété intellectuelle sur Internet, les droits d'importance, le divertissement, la littérature et d'autres domaines sont plus élevés et plus élevés. Dans l'actuelle Internet + ère, IP a présenté une situation de développement diversifiée. Voici la proportion des sujets ci-dessus dans ces 4W d'autres articles supplémentaires, on peut clairement constater que le tigre renifle l'article sur Internet.Les principaux géants de l'industrie ont davantage de rapports de tendance, suivis de la montée en permanence des divertissements de films et de télévision, en plus des rapports de rapports sans pilote, les rapports d'autres sujets ont peu de différence, relativement équilibré.

est à nouveau le nombre d'articles dans le sujet à temps:

Dans la figure ci-dessus, nous pouvons voir "Giant" stratégique "l'affranchissement de Ce sujet est toujours maintenu à un niveau supérieur, suivi du sujet de "intelligence artificielle", qui a un petit point culminant au premier trimestre du réseau de ronflement Tiger 2013. Il convient de noter que "Internet Finance" a un rapport important au troisième trimestre de 2014, qui apprend que les finances sur Internet à cette étape sont en panne et les principaux événements de l'industrie mutualisante sont les suivants: Xiaomi Investment bloque la boîte Entre Internet Finances (9.10), Jingdong a publié une stratégie financière de consommation (9.24) et le groupe de services Antharm a été créé (10.16) et l'ensemble de l'ensemble de la première année de 2014, P2P est entré dans la saison du mélange et la banque centrale Intensif fait référence à la supervision des finances sur Internet, ces événements ou politiques suffisent à déclencher la discussion chaude des gens sur Internet, ce qui entraîne le son du son de cette période.

4.3 Analyse émotionnelle et AMP; ANALYSE DU MODÈLE DU MODÈLE LDA


À la suite de l'analyse du modèle thématique de LDA ci-dessus, il existe 6 types d'émotions, à savoir la joie, la colère , tristesse, surprise, peur et neutralité, analyse émotionnelle de ces articles, pour attirer l'étiquette émotionnelle de chaque article, les résultats sont indiqués dans le tableau suivant:
Manipulation du sujet et de l'émotion dimension, entraînant la figure ci-dessous:
de la figure ci-dessus, on peut voir que les émotions du titre sous chaque sujet sont neutres principalement, mettent en évidence l'attitude objective et neutre de la auteur et le fonctionnaire, mais dans la partie actuelle du titre, la neutralité excessive sur le titre proposé signifie également qu'elle est orientée inerte, il est difficile de déclencher le comportement de lecture des lecteurs, le dit "il y a" le caractère de la caractère, le marketing émotionnel ", l'auteur peut provoquer avec succès des lecteurs est définitivement maître, alors en plus des émotions neutres sur la figure, la seconde est la colère, la folie, enflamme les émotions des lecteurs; à nouveau est triste, dans la vie réelle, la tristesse peut Toujours causer de la sympathie et de la résonance.
Dans cette section, l'auteur veut savoir "écrire un thème de divers écrivains sur Internet, analysant certaines types d'écrivains de vache x tels que cet article (tel que "Insight industriel", "Marketing explosif", "Nouvelle opération médiatique", etc.), et ce qui est similaire à écrire des thèmes.
À cette fin, l'auteur utilise un modèle ATM à analyser,Ce n'est pas une abréviation de l'athor-topicmodel:


Le modèle Ather-Topic est également membre du modèle de thème de la probabilité, est le modèle thème de la LDA (latent lors de l'allocation de Dirichlet, elle peut Analysez les sujets d'écriture dans un orateur, trouvez un sujet d'écriture d'un écrivain et trouvez des écrivains qui ont la même écriture ont tendance à explorer les moyens.

En premier lieu, l'auteur supprime le nombre d'auteurs de plusieurs articles de publication, puis "précipite" dans le texte, car le nombre de texte a été supprimé, il n'est donc pas cohérent avec le sujet précédent. Selon le sujet des divers sujets, l'auteur résume ces 10 thèmes comme suit: "Actualités de l'industrie", "Smartphone", "Entrepreneurs" Investissement "," Finances sur Internet "," New Media & Amp; marketing "," Divertissement cinématographique "," intelligence artificielle "," médias sociaux "," investissement et ampli) et "commerce de commerce électronique". Ensuite, l'auteur analysera certaines des sujets d'écriture de l'auteur et des auteurs de l'auteur connexes.
Le premier est le fondateur de la technologie de marteau Luo Yonghao, et l'auteur pense toujours qu'il est un homme singulier, avant de le voir, il y a un article de signature dans le Tiger en ligne, alors je veux voir qu'il est donc écrire en ligne au tigre:


Du sujet d'écriture de Lao Luo et sa répartition de probabilité, il est plus susceptible d'écrire l'esprit d'entreprise, le financement, le smartphone et le nouveau marketing des médias, c'est plus en ligne. Avec une sensibilisation du public, à cause de la bonne Luo, qui est amoureuse, aime parler de l'entrepreneuriat, parle de votre propre compréhension de votre téléphone portable, et à cause de votre propre personnalité distinctive et de votre langage pointu, il parle souvent pour sa marque de marteau. Selon l'ID de document, l'auteur a découvert ces articles qu'il publia:

Simple Regard sur le titre, le modèle ATM est toujours assez intelligent, peut provenir de l'article de l'article du collège de Lao Luo, a appris son écriture sujet.

Suivant est le thème de l'écriture et le rédacteur de réseau de Lao Luo Tiger, leur libération du nombre d'articles est supérieure à 3:




Suivant est le média tuné tigre, La page d'accueil est de 10 000, le sujet d'écriture impliqué est concentré dans "Actualités de l'industrie", "Smartphone" et "Nouveaux médias" Marketing ":

Semblable à son sujet d'écriture, les auteurs incluent certains auto-médias individuels, Ainsi que certains médias, tels que le réseau mondial, la Fortune Chinois Network, Bloomberg Business Week. Depuis l'analyse précédente, on peut supposer qu'ils disposent d'un grand nombre de problèmes sur les trois sujets ci-dessus.




Dans ces 10 189 articles, l'auteur tire au hasard le titre de plusieurs articles par l'ID de document, vérification approximative. Ensuite, ces en-têtes sont tracés dans le nuage de mots sous la forme d'une licorne.




Le sujet du titre ci-dessus et de son nuage de mots-clés, le thème prévu est toujours relativement raisonnable.

Jetons un coup d'œil aux deux autres médias d'auteurs de l'auteur - l'Université du Chaos et le rapport économique du XXIe siècle.




Des deux dessins ci-dessus, le domaine d'intérêt de l'Université de Chaos est principalement "entrepreneurs et amplis; investissement et financement", "nouveaux médias et ampli; marketing". Le sujet est biaisé Fournir des compétences liées à l'esprit d'entreprise; et le rapport économique du XXIe siècle est plus préféré à «Financement de l'investissement et amplis; fusions», «Actualités de l'industrie» et des sujets «Smartphone», qui compare le style des rapports de média - Analyse des formes internationales, une perspective de la Chine de l'économie , Observant la dynamique et guider le développement bénigne de l'industrie, reflétant efficacement les modèles économiques mondiaux et les changements, suivant la dynamique et le développement de la communauté des affaires de la Chine.

4.5 Vocabulaire Distrayez


Ensuite, l'auteur souhaite comprendre le nombre de mots dans l'article 4W + dans l'article 4W + de 2012.05 ~ 2017.11 Distribution et l'emplacement d'un mot dans Le texte, vous pouvez utiliser la parcelle de dispersion lexicale (distance de vocabulaire) pour analyser, il peut révéler la distribution d'un mot dans un texte (graphique de produit montrant la distribution de la distribution des mots de la THA "par le biais du texte.
L'auteur organisera d'abord le texte à analyser à temps, puis effectuez une analyse de dispersion lexicale. Par conséquent, la direction de la croissance cumulative du nombre de mots texte est compatible avec la direction du temps étant positif. L'axe vertical représente le vocabulaire sur la figure, l'axe horizontal est le nombre de mots texte, est accumulé; la ligne verticale bleue indique que le vocabulaire est mentionné dans le texte et l'axe horizontal correspondant peut voir les informations de localisation qu'il est, vide dit qu'il n'y a pas de mention. Et. L'intensité et la position de la ligne verticale bleue représente l'expression du mot sur un certain stade et les années.
Du mot clé ci-dessus et le sujet, l'auteur choisit 14 mots pour analyse, les résultats sont les suivants:
de la figure ci-dessus, on peut voir que les téléphones mobiles "intelligents", "Paiement mobile", "O2O" et "Cloud Computing" ont une température élevée depuis près de 6 ans, mentionnant des fréquences, près de la bande, est étroitement saturé. Comparé à InternetEducation, « 3D Print », « en ligne en direct » Ces rapports sur les rapports en ligne de Tiger, que certains d'entre eux du début à la fin.
Il convient de noter que « bicyclette de partage » Dans la mention tardive, le Le nombre de fois est considérablement augmenté, et c'est une émergence de style rafale, qui est plus cohérente avec le vélo partagé. Pour une analyse de données des bicyclettes de partage, veuillez vous reporter à «Marchandises à sec» avec un texte de données Big Data pour excaverser, pour inspecter » bicyclette "état de l' industrie et de la tendance

4.6 mot analyse vecteur / mot associé -. Quand on parle de XX, nous parlons de


Les mots basés sur le réseau de neurones profond peut être Il n'y a pas de surveillance en un grand nombre de données textuelles ordinaires non marquées, ces mots contiennent la relation sémantique entre le vocabulaire et le vocabulaire, tout comme le « objet » dans le monde réel est réuni, la classe est classée, le vocabulaire peut être par eux. les mots peuvent être définis par les leurs fréquentations.

Comme en principe, le mot intégré Word2VEC est intégré dans un espace de grande dimension qui met une dimension de tous les mots. dans un espace vectoriel continu beaucoup moindre dimension, chaque mot ou une expression est mis en correspondance avec le vecteur sur un domaine réel. Tournez chaque mot dans un vecteur, le but est de le rendre facile à calculer, comme « synonyme de mots a », il peut être atteint par « recherche le plus vecteur similaire du mot a la distance de COS ». ensuite, à travers Word2VEC, l'auteur regarde les mots associés du nombre de vocabulaire intéressés, reniflant ainsi le net cette apparence unique vers le bas pour les interpréter.

de là, l'auteur analyse séquentielle « Baidu », « artificiel intelligence », "时" et "Luo Zhenyu" ces mots - clés.


Il est tout au sujet du vocabulaire lié Baidu, pas des produits de Baidu, l'entreprise, est le PDG et directeur de Baidu, "Recherche" deux mots ont changé plusieurs fois, il est Baidu a commencé Dafa. vocabulaire lié à "AI" est aussi une bonne explication de plusieurs scénarios d'application et les incendies comparatifs actuels.

Comme Yan Xijian, les premières célébrités dans les mots pertinents (Niu Renheng, Hu Xueyan, Lu Guan, Wang Yongqing et Zong Qing) sont également une élite commerciale, "père", "老", "orange king est le respect du monde extérieur. il est intéressant, il y a des héros des politiciens (président Mao et du Conseil Jiang). les gens ont un grand «

Est a décédé, Sang Wei non fin

», »

pour obtenir de la tête, nettoyer l'ouverture d'esprit et l'optimisme de la vieille rivière de montagne

« !




Les pratiquants qui ont été des médias et des experts en communication principaux Luo Zhenyu, "Connaissance de la connaissance" et nombre de ses opinions peuvent subvertir le concept d'origine. Les personnes semblables à la graisse de Luo ont aussi Shen Yin (le fondateur de l'Internet Real Show "merveilleux", partenaire entrepreneurial de Luo Zhenyu), Wu Xiaobo (fondateur de Wu Xiaobo), Sauce Papi (célèbre net drôle rouge), Ma Dong ( Maintenant "Qi Qi a dit:" Modérateur), Li Xiang (Obtenir le lancement de "Li Xiang commercial interne"), JI 13 (fondateur de réseau Shell Fruit), Li Xiaolan (Finance librement célèbre), Wu Bowan (le mot n'est pas Couper, "21st Century Business Review", des œuvres ont "Win Wu relatif" et "Bolifan Day Record") ...


4.7 Sur Internet 100 Société forte Le cluster et la classification des mots
En 2016, le nombre total de revenus d'entreprise Internet d'Internet 100 entreprises a atteint 1,07 milliard de yuans et le premier billion de percée vaut 46,8%, conduite informations. La consommation a augmenté de 8,73%. Les données montrent que les effets d'entreprise du robinet sur Internet sont de plus en plus évidents et leur analyse de recherche peut nous aider à mieux comprendre le profil de développement et la direction future de l'industrie Internet de la Chine.
L'auteur a sélectionné les nouvelles 100 meilleures entreprises en 2016, la liste est la suivante:
Pour le répertoire de marque susmentionné de la centaine de centaines de sociétés Internet susmentionnées, l'auteur utilise ce qui précède Formation Le modèle de vecteur de mots est utilisé pour effectuer les mots suivants en clustering et classification des mots.


Utilisez un cluster K-moyen basé sur Word2Vec (vecteur de mot), compte tenu intégralement de la relation sémantique entre le vocabulaire, le cosinus A La valeur d'enthalpie plus petite est rassemblée pour former un cluster. L'image ci-dessous montre la visualisation de la compression dimensionnelle à l'espace 2 dimensionnel:




L'auteur définit tous les mots contenus dans le modèle de vecteur de mot à 300 catégories, voici comment se trouve l'effet de clustering de marque sous la définition . Les résultats de l'analyse et les règlements sont les suivants: Dès les résultats ci-dessus, certaines classifications sont mieux comprises, telles que le vent (net) et la mère parcourent le Net sont de faire du tourisme. Tout le monde , Lujin et le tir consiste à engager une mutualisation. Ce vocabulaire est dans l'industrie «.

» a plus de fois, sur la base des mêmes relations justes, et c'est une industrie. Mais la plupart d'entre eux ne sont pas dans l'industrie, mais il existe d'autres contextes et examine les paragraphes suivants:
La première vague de population commence à partir de 2011, cette vague La population est le noyau original 300 millions de personnes graves. Internet Net Intizens ou simplement, il va acheter

xiaomi

téléphone portable et iPhoCet utilisateur de la vague comprend bien sûr également Samsung . Ils sont une population relativement jeune dans une ville de deuxième rang. Vous pouvez donc voir le MEITU , ,

Le titre d'aujourd'hui

,

Xiaomi

est suivi de cette vague de personnes..
La deuxième vague de population s'est produite depuis 2013, quelle est cette population? Cette vague de population est en fait un dividende de population causée par le naufrage des trois-quatre-circuits dans l'Internet mobile. C'est une population relativement jeune dans les deuxième et troisième lignes. Tout le monde veut acheter

OPPO , Vivo

Téléphone mobile. Cette vague de bonus apporte une série de hausse, y compris

des mains rapides

, y compris Weibo
Alors que les marques noires en danger, bien que des industries différentes, elles apparaissent tous dans le contexte de "Bonus de la population Internet mobile

"

", donc c'est à partir de ce contexte, ils peuvent être gagngetables.

Donc, le groupe de

peut être dû à divers types de vocabulaire dans différents contextes et peut détecter un certain nombre d'indices intéressants.

L'espace est limité, cela sera laissé aux lecteurs avec un cœur curieux.

Ici, l'auteur utilise également le vecteur de mot avant la formation, via la classification de texte CNN (réseaux convolutionnaires) est utilisé pour prédire. Les principes spécifiques de CNN sont trop compliqués et l'auteur ne peut pas être trouvé ici, et le petit partenaire d'intérêt peut être trouvé dans la référence arrière. En raison de la classification de texte (cluster de texte) est divisé en différentes tâches de l'apprentissage de la machine, le premier est une question de supervision (toutes les données de formation qu'il y a une étiquette), ce dernier est un apprentissage non réversible. (Les données ne sont pas étiquetées), et donc, l'auteur commence par le modèle de corpus marqué avant la tâche officielle de classification de texte, puis prédire le texte inconnu ultérieur. Ici, l'auteur est divisé en 17 catégories selon les champs de segmentation appartenant à Internet Entreprise, et chaque catégorie n'a que quelques étiquettes pour participer à une formation, c'est-à-dire quelques mots. Oui, vous n'avez pas semblé mal, avec des informations sémantiques externes (modèle de vecteur de mots formé précédemment, contient déjà beaucoup d'informations sémantiques), vous n'avez besoin que d'un petit corpus d'étiquetage pour compléter la formation des modèles de classification. Ensuite, l'auteur utilisait le mot avant la formationPour tester l'effet, le résultat est que la balise de catégorie et sa probabilité correspondante, la valeur de probabilité est le plus probable que le domaine de la marque. Les résultats sont indiqués ci-dessous:

Les résultats ci-dessus sont conformes à la cognition de base de tous, test à petite échelle suivant, la précision est toujours et enfin un peu difficile auteur étranger n'a jamais été au courant de la société Internet: Avec Google, l'auteur comprend que Waze est une famille d'Israël CPC Carte de navigation de la technologie entreprise. J'ai été tiré pendant un moment et j'ai été acquis par Google 1 milliard de dollars. Ses produits ne disposent pas d'une image satellite forte comme une carte Google, mais peuvent fournir des informations sur les conditions de circulation, les accidents de la route et les informations de vitesse (le barrage de la carte). "Soins" et "Informations en temps réel" correspondent à "Économie partagée" et "Messagerie instantanée", comparez la connotation caractérisée par la balise prédictive, dans une certaine mesure, dans une certaine mesure, à prédire les attributs commerciaux de la société.

4.8 Internet Des centaines d'analyses de coopératives de la société

L'analyse de grappes et la classification susmentionnées de l'Internet 100 Strong STORT Company semblent être "Boîte noire", son mécanisme interne, nous sommes moins facile à comprendre. Ensuite, l'auteur établira une analyse de marque basée sur une "figure" pour analyser la relation entre les 100 meilleures marques d'entreprise du point de vue du réseau.

Extrait la relation commune mutuelle entre les 100 marques de sociétés ci-dessus, formant la carte de réseau sociale suivante:

Dans la figure ci-dessus, chaque nœud représente un caractère, longe la relation de liaison épaisse entre le Les marques et la marque, les nœuds de la même couleur leur représentent (dans certaines conditions). La taille du nœud et de la police indique la taille de la marque du réseau, c'est-à-dire «Entretien Central», «Universitaire disant»

L'interaction entre deux membres non adjacents dépend du réseau. D'autres membres, en particulier Ceux sur le chemin entre deux membres, leurs interactions de ces deux membres non adjacents ont une sorte de contrôle et de rôle restrictif . Dire des gens est qu'une plus grande influence signifie que la marque a relié des opportunités et des ressources plus coopératives, ainsi que davantage de zones Internet.

D'abord regarder l'influence Top10, à son tour, Tencent, Wechat, Baidu, QQ, Alibaba, Taobao, Jingdong, Xiaomi, Nease et Sina Weibo, "Département Tencent" occupaient trois au top 10 du siège, fort la force, peut être vue.
6 grappes de la couleur distinguant de la couleur:
bleu clair : Tencent, Wechat, Baidu, QQ, Netase, Sohu ...
: Alibaba, Taobao, Jingdong, Sina Weibo, Tmall ..
: Xiaomi, plus, Miui, Tianyi Lecture ...


Vert clair

: Leju 房 天下


Ming Système jaune

: Prêts de chacun, tournage


Huang Orange System

: Voiture maison, réseau de voitures faciles, facile

La classification ci-dessus, la plupart d'entre elles sont bien comprises ,  vert clair (Leju, chambre) est un immobilier, un système jaune Ming (prêts de personnes, tir) consiste à participer à Internet P2P Finance Le système jaune orange (maison de voiture, réseau de voitures faciles, facile à dire) est une marque dans l'Internet. Il convient de noter que le millet vert profond, plus d'aspect, Miui, la lecture de Tianyi, Miui centré sur le mil est le produit de Xiaomi, plus d'attention (lecture) a été acquise par Xiaomi, lecture Tianyi une fois est une lecture de mil Les logiciels, cependant, les jeux d'escargots sont différents des premiers, il existe un titre d'article: "Smail Strated Strategy Stratégie de Pierre: Not Millet Deuxièmement", c'est l'adversaire de Xiaomi dans le champ de jeu mobile ... En outre, système bleu clair (Tencent, Wechat, Baidu, QQ, Netase, Sohu, etc.) et le Mantrid (Alibaba, Taobao, Jingdong, Sina Weibo, Tmall, etc.) dans ces deux groupes de la relation entre la marque Et la marque est plus compliquée, l'enfant, les frères, la coopération transfrontalière, la relation de concurrence, la concurrence transfrontalière, le financement et les fusions, les cas ci-dessus, dans ces deux types de grappes ou compatibles.