Предыдущее исследование было справедливо подвергнуто критике о непоказательности исходных данных, что было ярко заметно на примере тега «фото Уфа». В этот раз я исправил положение и многократно увеличил выборку.
Исходные данные
В исследовании принимали участие 10 000 дневников пользователей. Были пропущенные первые сто пользователей после чего с каждой страницы рейтинга выбиралось по два пользователя. У каждого пользователя загружались все записи вплоть до 2006 года. Исключение составили 18+ и подзамочные посты. Из записей, в свою очередь, были извлечены заголовки, теги, текст без HTML-разметки, количество изображений и комментарии. В итоге получилось 1 777 308 записей.
Приятного просмотра!
Записи
Наличие заголовка
Длина заголовка в символах
Длина записи в символах
Как и предполагал avenu, ЖЖ очень похож на Twitter по преобладающему количеству символов в записях.
По часам и дням недели
Количество записей у пользователя
Смахивает на тайный заговор. Беглый обзор дневников никакой закономерности не показал.
Теги
Длина и количество тегов
Популярные теги
pepelsbey, лытдыбр есть!
Комментарии
Количество комментариев к записи
Длина текста к количеству комментариев
Средняя длина текста к количеству комментариев
Заключение
Увеличение количества записей существенно повлияло лишь на популярные теги и практически не сказалось на остальных параметрах.
Спасибо за внимание. Жду ваши пожелания, критику и замечания.
UPD: Дневники пользователей с 55 записями:
13whitemice, 55thairborngirl, a-mne-eshe, a-sebrov, akmych, al-re, ally-of-sunbeam, anton-platov, b0risl0dkin, bazil-t, beobachter, blog-knockknock, boriansky, brom-termit, catrin-flame, curious-ja, cybercool, da4, dj-nicks, djrediska, dr-bass, dugla, dyxlesska, echarri, ekateriana, eklery, ennochka, ermolaev-vlad, escaldo, estetika-nice, fabyla, father-kot, geyzer76, gizir, gonish, green-tiffani, gyqyv, hmixa, iliora, jazz-fun, jelka3, john-scar, k0mpas, karibus, krysia-i-basia, kushka, lagoun, lazutkina, light-tm, loony2004, love-spring, magnumx, makova547, malone-xbit, mariri, mashki, mia312, minorland, more-produkt, mozgovik, nankin, new-zebra, nikita-avanti, oksk, ovine, pastsimple, pavel-lv, peshi-eshe, poignant-art, pugachevsky, roketa, ryzha-sonya, samaposebe99, sank-a, saule-marsault, schattenphonix, seligoroff, sergik1977, servinn, sevavladimirov, shtefanesko, sklyankin, snow-cat, stas-y, steinboom, suhaverhi, svetik-sh, tamikori, tipo-femmina, tri-4etyre, turobei, uberlastung, ulianich, users, vale4ka-babo4ka, vernon-dimirest, victoria1527, yanezh-von-sark, yellow-luke, zerguz
Я совсем забыл, что извлекались не все записи пользователей, а только по 2006 год. Поэтому вероятность ботов становится достаточно низкой. Большинство дневников живые: есть записи за ноябрь и декабрь (я собирал данные в октябре). Поэтому непонятно что это может быть. Надо собрать подобную статистику по какому-нибудь другому ресурсу (хабру?).
