群体智慧在社交媒体中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 群体智慧应用 | 第9-10页 |
| 1.2.2 垃圾微博识别 | 第10-11页 |
| 1.2.3 情感计算 | 第11页 |
| 1.3 本文工作 | 第11-12页 |
| 1.4 本文结构 | 第12-14页 |
| 2 相关技术 | 第14-23页 |
| 2.1 情感词汇本体 | 第14-15页 |
| 2.2 群体智慧 | 第15-17页 |
| 2.2.1 群体智慧的发展及应用 | 第15-16页 |
| 2.2.2 群体智慧的定义 | 第16-17页 |
| 2.3 随机游走模型 | 第17-19页 |
| 2.3.1 随机游走概述 | 第17-18页 |
| 2.3.2 随机游走原理 | 第18-19页 |
| 2.4 蚁群算法 | 第19-22页 |
| 2.4.1 蚁群算法的生物基础 | 第19-21页 |
| 2.4.2 蚁群算法的基本原理 | 第21页 |
| 2.4.3 蚁群算法的特点与应用 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 基于随机游走的垃圾微博识别 | 第23-34页 |
| 3.1 引言 | 第23页 |
| 3.2 垃圾识别模型 | 第23-27页 |
| 3.2.1 垃圾识别模型 | 第23-24页 |
| 3.2.2 相似度计算 | 第24-25页 |
| 3.2.3 基于随机游走的聚类 | 第25-26页 |
| 3.2.4 垃圾过滤 | 第26-27页 |
| 3.3 实验分析 | 第27-33页 |
| 3.3.1 实验语料与实验流程 | 第28-29页 |
| 3.3.2 实验结果与分析 | 第29-33页 |
| 3.4 小结 | 第33-34页 |
| 4 基于微博的电影排名 | 第34-46页 |
| 4.1 引言 | 第34页 |
| 4.2 基于蚁群算法的排名模型概况 | 第34-37页 |
| 4.2.1 ACOR模型映射 | 第34-36页 |
| 4.2.2 电影多元化 | 第36页 |
| 4.2.3 相关定义 | 第36-37页 |
| 4.3 ACOR模型具体介绍 | 第37-39页 |
| 4.3.1 信誉度计算 | 第37页 |
| 4.3.2 信息素的计算 | 第37-38页 |
| 4.3.3 信息素的更新 | 第38页 |
| 4.3.4 信誉度的更新 | 第38-39页 |
| 4.4 实验分析 | 第39-44页 |
| 4.4.1 语料来源 | 第39-41页 |
| 4.4.2 实验结果与分析 | 第41-44页 |
| 4.5 小结 | 第44-46页 |
| 结论 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53-54页 |
