测试哪个明星？
测的有点离谱，不过还是有一些道理。 先给出结论，测试的维度是“知名度”、“人气值”和“粉丝数量”。 用这三个指标来衡量的话，目前娱乐圈里能测的明星有很多，而且都还比较靠谱，比如最近因为《演员请就位》火了的赵薇、陈凯歌、李少红等等。 但是如果要精准地找到一个人，那就还需要知道更详细的一些信息。
这里有一个我自己的数据挖掘的小例子，之前在做推荐系统的时候，需要给电影排片，为了得到准确的数据，不仅需要知道电影的评分、时长等信息，还需要知道电影上座率等情况（影院水平对上座率有直接影响），以及电影播出时间的天数，这些因素都会影响最后的结果。 而要测量一个明星的“热度”，三个指标是不够的，还需要知道这个明星的各种事件，电影电视节目等出演情况。
当然，用数据和算法来预测热门度的过程本身是很复杂的，涉及很多环节，这里只是简单起个头。 如果以“热度”作为模型的评价目标，则可以通过数据挖掘从互联网海量信息中挖掘出许多有关“热度”的信息。
下面简单介绍一下其中几个步骤： 第一步，内容分类。 也就是说要先知道哪些是电影，哪些是综艺，哪些是电视剧……这样才能对信息进行准确的分类。
第二步，文本聚类。 文本聚类是用来发现无结构数据的分布式特征表示的技术，可以用于对新用户进行标签预测或者对老用户进行兴趣分析。在这里，我们可以利用文本聚类来自动提炼用户的兴趣特点。
第三步，情感分析。 情感分析是根据给定文字片段或文档，判断所含文字的情感倾向前提条件，并且给予定量描述的过程。对于情感分析，常用的方法有统计方法、机器学习方法以及深度学习方法。
第四步，热点发现。 热点发现是基于内容的热点事件预测问题，其目的是对于未标注的新数据集预测其中的热点事件，或者对于已经标注的数据集中验证已标注的热事件。常见的热点发现的方法有无监督学习方法、集成学习法和深度学习法。