微博上大学生用户特征分析与识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 问题的提出 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-17页 |
| 1.2.1 国内外关于大学生与社交网络的研究现状 | 第10-16页 |
| 1.2.2 国内外文献综述的简析 | 第16-17页 |
| 1.3 研究内容和研究方法 | 第17-19页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 研究方法 | 第18-19页 |
| 1.4 论文结构框架 | 第19-20页 |
| 第2章 理论基础 | 第20-28页 |
| 2.1 社交网络理论 | 第20-24页 |
| 2.1.1 社交网络的概念及发展概况 | 第20-22页 |
| 2.1.2 复杂网络理论及其发展概况 | 第22-23页 |
| 2.1.3 新浪微博发展概述 | 第23-24页 |
| 2.2 机器学习理论 | 第24-27页 |
| 2.2.1 机器学习理论的概念及发展概况 | 第24-25页 |
| 2.2.2 机器学习的具体应用方法 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 新浪微博大学生用户群体特征分析 | 第28-40页 |
| 3.1 研究方法简介 | 第28-31页 |
| 3.1.1 大学生用户筛选与标注 | 第28-30页 |
| 3.1.2 新浪微博大学生用户数据信息 | 第30-31页 |
| 3.2 大学生用户群体特征分析 | 第31-39页 |
| 3.2.1 大学生使用社交网络的基本情况 | 第31-36页 |
| 3.2.2 大学生在社交网站上的人际交往情况 | 第36-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第4章 社交网络上大学生用户识别及教育管理对策 | 第40-52页 |
| 4.1 大学生用户数据的收集、预处理及属性选择 | 第40-42页 |
| 4.2 大学生用户识别模型构建 | 第42-46页 |
| 4.2.1 朴素贝叶斯 | 第42-43页 |
| 4.2.2 深度信念网络 | 第43-44页 |
| 4.2.3 支持向量机 | 第44-45页 |
| 4.2.4 分类回归树算法 | 第45页 |
| 4.2.5 大学生用户分类识别流程 | 第45-46页 |
| 4.3 实验结果讨论 | 第46-48页 |
| 4.4 社交网络环境下大学生教育管理建议 | 第48-51页 |
| 4.4.1 建立适用于现代社会的教育管理制度 | 第48页 |
| 4.4.2 构建大学生社交网络安全监管体系 | 第48-50页 |
| 4.4.3 加强大学生网络教育引导职能 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 附录 | 第59-65页 |
| 致谢 | 第65页 |
