微博热点话题分析预测系统
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及重要意义 | 第12-13页 |
| 1.2 国内外发展现状 | 第13-15页 |
| 1.3 本文的研究思路和主要工作 | 第15-17页 |
| 1.4 本文的主要工作 | 第17-20页 |
| 第2章 需求分析 | 第20-38页 |
| 2.1 系统概述 | 第20-21页 |
| 2.2 系统目标和解决的关键问题 | 第21-23页 |
| 2.3 系统现状及主要流程 | 第23-25页 |
| 2.4 系统需求分析 | 第25-26页 |
| 2.5 系统功能性需求分析 | 第26-36页 |
| 2.6 系统非功能性需求分析 | 第36-38页 |
| 第3章 系统架构设计 | 第38-46页 |
| 3.1 系统设计思想原则 | 第38-39页 |
| 3.2 平台整体业务设计 | 第39页 |
| 3.3 平台技术架构设计 | 第39-41页 |
| 3.4 平台逻辑架构设计 | 第41-43页 |
| 3.5 平台功能架构设计 | 第43-44页 |
| 3.6 物理结构 | 第44-46页 |
| 第4章 系统详细设计 | 第46-76页 |
| 4.1 数据库详细设计 | 第46-60页 |
| 4.2 关键技术详细设计与实现 | 第60-72页 |
| 4.2.1 数据搜集功能设计与实现 | 第60-66页 |
| 4.2.2 数据预处理功能的实现及设计 | 第66-68页 |
| 4.2.3 数据内容推荐功能设计 | 第68-71页 |
| 4.2.4 微博数据分析功能设计 | 第71-72页 |
| 4.2.5 数据预测功能设计 | 第72页 |
| 4.3 用户功能详细设计 | 第72-76页 |
| 4.3.1 平台用户功能设计 | 第72-74页 |
| 4.3.2 分析师功能设计 | 第74-76页 |
| 第5章 算法详细设计 | 第76-84页 |
| 5.1 基于卷积神经网络的热点话题周期分类预测 | 第76-80页 |
| 5.2 热点话题热度预测 | 第80-82页 |
| 5.3 实验结果对比 | 第82-84页 |
| 第6章 系统实现及测试 | 第84-98页 |
| 6.1 系统实现 | 第84-95页 |
| 6.1.1 平台用户功能实现 | 第84-92页 |
| 6.1.2 平台分析师功能实现 | 第92-93页 |
| 6.1.3 平台管理员功能实现 | 第93-95页 |
| 6.2 系统测试 | 第95-98页 |
| 6.2.1 功能测试 | 第95-96页 |
| 6.2.2 性能测试 | 第96-98页 |
| 第7章 工作总结与展望 | 第98-102页 |
| 7.1 本文工作总结 | 第98-99页 |
| 7.2 本文工作展望 | 第99-102页 |
| 参考文献 | 第102-106页 |
| 致谢 | 第106-107页 |
| 学位论文评阅及答辩情况表? | 第107页 |
