面向微博用户的兴趣识别算法的研究与实现
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 本文的主要内容和结构安排 | 第14-15页 |
| 第2章 基础理论及技术介绍 | 第15-22页 |
| 2.1 中文分词技术 | 第15-16页 |
| 2.2 模式分类技术 | 第16-19页 |
| 2.2.1 朴素贝叶斯分类算法 | 第16-17页 |
| 2.2.2 K最邻近分类算法 | 第17页 |
| 2.2.3 支持向量机分类算法 | 第17-19页 |
| 2.3 图像特征提取方法 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 微博数据的分析与获取 | 第22-31页 |
| 3.1 微博数据的分析 | 第22-26页 |
| 3.1.1 微博兴趣类划分 | 第22-23页 |
| 3.1.2 微博用户兴趣影响因子分析 | 第23-26页 |
| 3.2 微博数据获取 | 第26-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 微博兴趣识别算法的设计与实现 | 第31-51页 |
| 4.1 微博用户兴趣识别算法框架 | 第31-32页 |
| 4.2 基于微博内容的兴趣识别 | 第32-46页 |
| 4.2.1 文本兴趣分类 | 第33-43页 |
| 4.2.2 图像兴趣分类 | 第43-46页 |
| 4.3 基于社交关系的兴趣识别 | 第46-49页 |
| 4.4 微博内容与社交关系融合 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 实验结果及其分析 | 第51-60页 |
| 5.1 文本和图像分类器的效果测评 | 第51-56页 |
| 5.1.1 实验数据 | 第51页 |
| 5.1.2 实验步骤及结果分析 | 第51-56页 |
| 5.2 兴趣识别算法的实验 | 第56-60页 |
| 5.2.1 实验数据 | 第56页 |
| 5.2.2 实验及其结果分析 | 第56-60页 |
| 结论 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第65页 |
