社交网络热点信息传播分析系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 社交网络用户的研究现状 | 第10-11页 |
| 1.2.2 社交网络内容的研究现状 | 第11页 |
| 1.2.3 用户个性化推荐研究现状 | 第11-12页 |
| 1.2.4 社团划分研究现状 | 第12-13页 |
| 1.3 本文研究内容及组织结构 | 第13-16页 |
| 第2章 信息传播中的数据获取与分析技术 | 第16-26页 |
| 2.1 数据获取与存储相关技术 | 第16-21页 |
| 2.1.1 数据获取相关技术 | 第16-20页 |
| 2.1.2 数据存储相关技术 | 第20-21页 |
| 2.2 社团划分相关技术 | 第21-23页 |
| 2.2.1 标签传播算法 | 第22-23页 |
| 2.2.2.SLPA算法 | 第23页 |
| 2.2.3.Fast Unfolding算法 | 第23页 |
| 2.3 用户影响力 | 第23-25页 |
| 2.3.1 中心性度量方法 | 第24-25页 |
| 2.3.2.Page Rank方法 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 社团划分与社团情感分析技术研究 | 第26-42页 |
| 3.1 基于标签传播的社团划分算法 | 第26-35页 |
| 3.1.1 社团划分算法原理 | 第26-27页 |
| 3.1.2 社团划分算法设计 | 第27-31页 |
| 3.1.3 社团划分算法测试与分析 | 第31-35页 |
| 3.2 基于词典的情感倾向分析 | 第35-41页 |
| 3.2.1 数据预处理及分词 | 第35-37页 |
| 3.2.2 情感词典的构建 | 第37-39页 |
| 3.2.3 基于词典的社团情感倾向分析 | 第39-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第4章 用户影响力与社交推荐技术研究 | 第42-61页 |
| 4.1 LPRANK用户影响力分析 | 第42-50页 |
| 4.1.1 用户影响力方法原理 | 第42-44页 |
| 4.1.2 用户影响力方法设计 | 第44-48页 |
| 4.1.3 用户影响力方法测试与分析 | 第48-50页 |
| 4.2 融合社交网络信息的协同过滤推荐算法 | 第50-60页 |
| 4.2.1 推荐算法原理 | 第50-52页 |
| 4.2.2 推荐算法设计 | 第52-55页 |
| 4.2.3 推荐算法测试与分析 | 第55-60页 |
| 4.3 本章小结 | 第60-61页 |
| 第5章 信息传播分析系统设计与测试分析 | 第61-77页 |
| 5.1 IDA系统整体设计 | 第61-63页 |
| 5.2 数据获取与存储平台设计 | 第63-65页 |
| 5.3 社团分析模块 | 第65-68页 |
| 5.3.1 社团划分模块 | 第65-66页 |
| 5.3.2 社团标签提取模块 | 第66-67页 |
| 5.3.3 社团情感倾向分析模块 | 第67-68页 |
| 5.4 用户分析模块 | 第68-70页 |
| 5.4.1 用户影响力分析模块 | 第68-69页 |
| 5.4.2 用户推荐模块 | 第69-70页 |
| 5.5 IDA系统整体测试与分析 | 第70-76页 |
| 5.5.1 系统测试环境 | 第70页 |
| 5.5.2 测试数据分析 | 第70-71页 |
| 5.5.3 系统测试结果分析 | 第71-76页 |
| 5.6 本章小结 | 第76-77页 |
| 结论 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第82-84页 |
| 致谢 | 第84页 |
