在线社交中基于微博的好友推荐系统设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 好友推荐技术研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 相关理论与技术研究 | 第15-22页 |
| 2.1 汉语文本句法分析 | 第15-16页 |
| 2.1.1 基于规则模式的句法分析 | 第15-16页 |
| 2.1.2 浅层句法分析 | 第16页 |
| 2.2 语句的结构与分类 | 第16-19页 |
| 2.2.1 语句的结构特点 | 第16-18页 |
| 2.2.2 短语的基本构成 | 第18-19页 |
| 2.3 文本聚类分析的概念与方法 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于多因素融合的好友推荐方法 | 第22-50页 |
| 3.1 好友推荐方法概述 | 第22-24页 |
| 3.2 基于兴趣爱好的好友推荐 | 第24-38页 |
| 3.2.1 微博向量空间模型与TF-IDF算法 | 第24-25页 |
| 3.2.2 汉语词性的标注 | 第25-26页 |
| 3.2.3 分词的过滤规则 | 第26-28页 |
| 3.2.4 改进的余弦相似度算法 | 第28-30页 |
| 3.2.5 微博文本聚类算法设计 | 第30-35页 |
| 3.2.6 微博聚类质量的评价 | 第35-38页 |
| 3.3 基于社交关系的好友推荐 | 第38-42页 |
| 3.3.1 社交关系集群 | 第39页 |
| 3.3.2 社交关系图谱 | 第39-41页 |
| 3.3.3 社交亲密度的计算 | 第41-42页 |
| 3.4 基于地理位置的好友推荐 | 第42-48页 |
| 3.4.1 地理位置数据模型 | 第43-44页 |
| 3.4.2 地理区域的分级表示 | 第44-46页 |
| 3.4.3 地理位置相似度的计算 | 第46-48页 |
| 3.5 多因素融合的综合推荐方法 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 好友推荐系统设计与实现 | 第50-66页 |
| 4.1 系统总体框架介绍 | 第50-51页 |
| 4.2 微博数据获取模块设计与实现 | 第51-55页 |
| 4.2.1 基于OAuth2.0 的授权认证 | 第51-53页 |
| 4.2.2 微博文本的获取 | 第53-54页 |
| 4.2.3 社交关系的获取 | 第54-55页 |
| 4.2.4 签到信息的获取 | 第55页 |
| 4.3 数据处理模块设计与实现 | 第55-59页 |
| 4.3.1 微博文本预处理 | 第55-57页 |
| 4.3.2 文本分词与过滤 | 第57-59页 |
| 4.4 基于WebSocket的网络服务接 | 第59-61页 |
| 4.4.1 服务端通信模块设计 | 第59-60页 |
| 4.4.2 客户端通信模块设计 | 第60-61页 |
| 4.5 客户端系统设计与实现 | 第61-65页 |
| 4.5.1 客户端系统结构设计 | 第61-63页 |
| 4.5.2 客户端用户界面设计 | 第63-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第五章 系统实验与分析 | 第66-72页 |
| 5.1 评价推荐效果的标准 | 第66-67页 |
| 5.2 实验环境 | 第67页 |
| 5.3 实验方案设计 | 第67-69页 |
| 5.4 实验结果与分析 | 第69-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 本文总结 | 第72页 |
| 6.2 下一步工作 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
