新浪微博话题流行度预测研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 本文的研究思路和创新点 | 第18页 |
| 1.4 本文的组织结构 | 第18-20页 |
| 第二章 相关理论和技术 | 第20-27页 |
| 2.1 微博相关理论 | 第20-23页 |
| 2.1.1 微博的概念和特性 | 第20-21页 |
| 2.1.2 微博的信息传播模式 | 第21-22页 |
| 2.1.3 微博热门话题 | 第22-23页 |
| 2.2 分类预测技术 | 第23-26页 |
| 2.2.1 朴素贝叶斯分类 | 第23-24页 |
| 2.2.2 k-最近邻分类 | 第24页 |
| 2.2.3 决策树C4.5 | 第24-25页 |
| 2.2.4 逻辑斯蒂回归 | 第25-26页 |
| 2.2.5 支持向量机 | 第26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 微博话题流行度影响因素分析 | 第27-36页 |
| 3.1 微博传播路径可视化分析 | 第27-30页 |
| 3.1.1 蒲公英式传播 | 第27-28页 |
| 3.1.2 多关键点传播 | 第28-29页 |
| 3.1.3 辐射型传播 | 第29-30页 |
| 3.2 微博传播动态对话题流行度的影响 | 第30-31页 |
| 3.2.1 话题的生命周期 | 第30-31页 |
| 3.2.2 早期流行度 | 第31页 |
| 3.3 微博用户对话题流行度的影响 | 第31-33页 |
| 3.3.1 意见领袖主导 | 第31-32页 |
| 3.3.2 用户关系网络 | 第32-33页 |
| 3.4 微博内容对话题流行度的影响 | 第33-34页 |
| 3.4.1 话题属性特性 | 第33-34页 |
| 3.4.2 情感倾向的推动 | 第34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 新浪微博话题流行度预测模型 | 第36-46页 |
| 4.1 新浪微博的形式化定义 | 第36-38页 |
| 4.1.1 微博相关概念的定义 | 第36-37页 |
| 4.1.2 微博话题流行度的定义 | 第37-38页 |
| 4.2 新浪微博话题特征构造 | 第38-42页 |
| 4.2.1 话题传播动态特征 | 第38-39页 |
| 4.2.2 话题用户特征 | 第39-40页 |
| 4.2.3 话题内容特征 | 第40-41页 |
| 4.2.4 微博情感特征 | 第41-42页 |
| 4.3 新浪微博话题流行度预测建模 | 第42-44页 |
| 4.3.1 新浪微博话题多元特征表示 | 第42-44页 |
| 4.3.2 新浪微博话题流行度预测模型框架 | 第44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 实验预测结果与分析 | 第46-58页 |
| 5.1 新浪微博数据采集 | 第46-52页 |
| 5.1.1 爬虫设计 | 第46-48页 |
| 5.1.2 数据存储 | 第48-49页 |
| 5.1.3 数据预处理 | 第49-51页 |
| 5.1.4 实验数据 | 第51-52页 |
| 5.2 实验训练和评价 | 第52-53页 |
| 5.2.1 训练方法 | 第52页 |
| 5.2.2 评价指标 | 第52-53页 |
| 5.3 实验结果评估 | 第53-57页 |
| 5.3.1 不同分类算法比较分析 | 第53-55页 |
| 5.3.2 特征向量影响力分析 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 论文主要工作和创新性 | 第58-59页 |
| 6.2 工作展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间发表的论文及取得的成果 | 第65-66页 |
| 致谢 | 第66页 |
