| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 网络论坛水军概述 | 第11-15页 |
| 1.1.1 自媒体 | 第11-13页 |
| 1.1.2 网络水军的发展和分布 | 第13-14页 |
| 1.1.3 网络论坛水军检测的意义 | 第14-15页 |
| 1.2 国内外相关研究现状 | 第15-17页 |
| 1.3 主要工作和内容安排 | 第17-18页 |
| 第2章 网络论坛水军检测关键技术 | 第18-24页 |
| 2.1 Web2.0技术 | 第18-20页 |
| 2.1.1 JavaScript和jQuery | 第18-19页 |
| 2.1.2 Ajax和JSON | 第19-20页 |
| 2.1.3 Session和Cookies | 第20页 |
| 2.2 网络爬虫技术 | 第20-22页 |
| 2.2.1 网络爬虫工作原理 | 第20-21页 |
| 2.2.2 聚焦网络爬虫 | 第21-22页 |
| 2.3 数据库技术 | 第22页 |
| 2.4 模式识别和机器学习 | 第22-24页 |
| 第3章 论坛用户数据的采集与存储设计 | 第24-52页 |
| 3.1 数据源和数据采集方式 | 第24-25页 |
| 3.2 天涯社区聚焦网络爬虫的设计 | 第25-45页 |
| 3.2.1 爬虫主线程模块 | 第26-27页 |
| 3.2.2 模拟登录模块 | 第27-33页 |
| 3.2.3 页面判断模块 | 第33-37页 |
| 3.2.4 页面解析和下载模块 | 第37-45页 |
| 3.3 天涯社区论坛数据的结构化存储设计 | 第45-48页 |
| 3.3.1 数据库表关系结构设计 | 第45-46页 |
| 3.3.2 数据库表设计与字段定义 | 第46-48页 |
| 3.4 论坛数据采集结果和分析 | 第48-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 网络论坛水军行为特征提取方法研究 | 第52-58页 |
| 4.1 特征提取的意义 | 第52页 |
| 4.2 相关研究中的特征提取分析 | 第52-53页 |
| 4.3 天涯社区用户行为特征挖掘和提取 | 第53-57页 |
| 4.3.1 用户全局行为特征 | 第53-55页 |
| 4.3.2 用户话题行为特征 | 第55-57页 |
| 4.3.3 特征汇总 | 第57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 基于分类方法的天涯社区水军检测系统的实现 | 第58-81页 |
| 5.1 系统数据流和概要设计 | 第58-59页 |
| 5.2 网络论坛水军检测系统设计 | 第59-61页 |
| 5.2.1 系统模块划分与设计 | 第59-60页 |
| 5.2.2 系统交互设计 | 第60-61页 |
| 5.3 数据集的划分方法 | 第61-62页 |
| 5.4 基于用户显著特征的辅助人工标记方法 | 第62-66页 |
| 5.4.1 纯人工标记的特点 | 第63页 |
| 5.4.2 用户显著特征分析和提取 | 第63-66页 |
| 5.5 网络论坛水军检测分类器设计 | 第66-72页 |
| 5.5.1 流行分类算法简介 | 第66-67页 |
| 5.5.2 C4.5分类器的实现和优化 | 第67-72页 |
| 5.6 网络论坛水军检测实验与结果分析 | 第72-80页 |
| 5.6.1 数据集构造实验 | 第72-76页 |
| 5.6.2 C4.5分类器训练实验 | 第76-77页 |
| 5.6.3 基于C4.5的网络论坛水军预测实验 | 第77-79页 |
| 5.6.4 C4.5和BP-神经网络及朴素贝叶斯的对比预测实验 | 第79-80页 |
| 5.7 本章小结 | 第80-81页 |
| 结论和展望 | 第81-83页 |
| 结论 | 第81-82页 |
| 展望 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第88页 |