一种基于微博的热点话题发现算法的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 国内外发展现状 | 第14-20页 |
| 1.2.1 国内外微博发展现状 | 第14-16页 |
| 1.2.2 话题识别和跟踪 | 第16-18页 |
| 1.2.3 情感分析 | 第18-20页 |
| 1.3 论文结构 | 第20-22页 |
| 第2章 相关理论与技术 | 第22-34页 |
| 2.1 社交网络 | 第22-23页 |
| 2.2.1 社交网络理论 | 第22-23页 |
| 2.2.2 社交网络应用 | 第23页 |
| 2.2 网络爬虫的概念及工作原理 | 第23-27页 |
| 2.3 网页解析 | 第27-29页 |
| 2.3.1 基于DOM的方法 | 第27页 |
| 2.3.2 基于统计的方法 | 第27-28页 |
| 2.3.3 基于标签窗的方法 | 第28页 |
| 2.3.4 基于网页分块的方法 | 第28-29页 |
| 2.3.5 基于模板的方法 | 第29页 |
| 2.4 话题模型 | 第29-32页 |
| 2.4.1 布尔模型 | 第29页 |
| 2.4.2 向量空间模型 | 第29-31页 |
| 2.4.3 概率模型 | 第31页 |
| 2.4.4 语言模型 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 基于微博的热点话题发现算法 | 第34-50页 |
| 3.1 微博特点 | 第34页 |
| 3.2 话题发现的算法思想和流程 | 第34-39页 |
| 3.3 微博文档链解析 | 第39-40页 |
| 3.4 噪音评论过滤 | 第40-43页 |
| 3.4.1 算法思想 | 第40-41页 |
| 3.4.2 内容相关性计算 | 第41-43页 |
| 3.4.3 情感分析 | 第43页 |
| 3.5 一种热点话题发现算法 | 第43-48页 |
| 3.6 本章总结 | 第48-50页 |
| 第4章 实验设计与结果分析 | 第50-57页 |
| 4.1 实验流程 | 第50-51页 |
| 4.2 实验环境 | 第51页 |
| 4.3 微博信息采集 | 第51-53页 |
| 4.4 噪声评论过滤 | 第53-54页 |
| 4.5 热点话题的发现 | 第54-56页 |
| 4.6 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |
