微博用户年龄范围的自动识别与实证分析
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题研究背景 | 第8-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 国外研究现状 | 第11-12页 |
| 1.3.2 国内研究现状 | 第12-13页 |
| 1.3.3 研究现状综述 | 第13-14页 |
| 1.4 研究内容与方法 | 第14-15页 |
| 1.4.1 研究内容 | 第14-15页 |
| 1.4.2 研究方法 | 第15页 |
| 1.5 论文结构框架 | 第15-17页 |
| 第2章 相关概念与理论基础 | 第17-29页 |
| 2.1 研究问题分析 | 第17页 |
| 2.2 微博相关概念简述 | 第17-18页 |
| 2.2.1 微博的界定 | 第17页 |
| 2.2.2 微博的功能 | 第17-18页 |
| 2.2.3 微博的特点 | 第18页 |
| 2.2.4 微博平台上的数据类型 | 第18页 |
| 2.3 微博用户年龄的划分及其依据 | 第18-20页 |
| 2.4 机器学习的理论 | 第20-28页 |
| 2.4.1 特征处理的相关算法 | 第21-22页 |
| 2.4.2 相关分类算法模型 | 第22-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 微博用户年龄段自动识别模型的构建 | 第29-49页 |
| 3.1 模型设计思路 | 第29页 |
| 3.2 样本数据的获取与预处理 | 第29-35页 |
| 3.2.1 样本数据的获取 | 第29-33页 |
| 3.2.2 样本数据的预处理 | 第33-35页 |
| 3.3 样本数据中用户年龄特征的提取 | 第35-41页 |
| 3.3.1 用户年龄的特征抽取 | 第35-39页 |
| 3.3.2 用户年龄特征空间的构建 | 第39-41页 |
| 3.4 微博用户年龄段自动识别分类器的构建 | 第41-48页 |
| 3.4.1 选择分类模型 | 第41页 |
| 3.4.2 四种分类模型的特点分析和实施过程 | 第41-43页 |
| 3.4.3 用户年龄段自动识别的流程 | 第43-45页 |
| 3.4.4 四种年龄模型分类结果的对比分析 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 微博用户年龄段自动识别的实证研究 | 第49-57页 |
| 4.1 微博用户的年龄范围识别 | 第49-50页 |
| 4.1.1 微博用户的数据获取与预处理 | 第49页 |
| 4.1.2 微博用户的特征值统计 | 第49-50页 |
| 4.1.3 利用逻辑回归模型对用户分类 | 第50页 |
| 4.2 微博用户的实证分析 | 第50-56页 |
| 4.2.1 微博用户的年龄分布状况 | 第50-51页 |
| 4.2.2 微博用户的活跃情况 | 第51-52页 |
| 4.2.3 微博用户的社交规模 | 第52-54页 |
| 4.2.4 微博用户的发博偏好情况 | 第54-56页 |
| 4.3 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录1 样本数据中的常用的表情符号 | 第62-65页 |
| 附录2 文中使用的主要程序代码 | 第65-72页 |
| 致谢 | 第72页 |
