基于LDA和随机森林的活跃微博预测研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 基于微博的预测研究 | 第16-17页 |
| 1.2.2 活跃微博预测研究 | 第17-18页 |
| 1.3 本文研究内容 | 第18-19页 |
| 1.4 本文组织结构 | 第19-20页 |
| 第二章 相关理论介绍 | 第20-28页 |
| 2.1 分类问题介绍 | 第20-22页 |
| 2.1.1 分类问题简介 | 第20-21页 |
| 2.1.2 分类算法介绍 | 第21-22页 |
| 2.2 随机森林理论 | 第22-25页 |
| 2.2.1 决策树理论 | 第22-24页 |
| 2.2.2 随机森林理论 | 第24-25页 |
| 2.3 主题模型理论 | 第25-27页 |
| 2.3.1 主题模型发展 | 第25-26页 |
| 2.3.2 LDA模型 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 研究问题模型 | 第28-35页 |
| 3.1 问题描述及方法概述 | 第28-30页 |
| 3.1.1 相关概念定义 | 第28-29页 |
| 3.1.2 研究问题描述 | 第29页 |
| 3.1.3 研究方法概述 | 第29-30页 |
| 3.2 研究问题建模 | 第30-32页 |
| 3.3 研究对象影响因素分析 | 第32-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第四章 基于LDA和随机森林的预测模型 | 第35-46页 |
| 4.1 活跃微博预测模型概述 | 第35-37页 |
| 4.1.1 预测模型流程与结构 | 第35-36页 |
| 4.1.2 预测模型算法选择分析 | 第36-37页 |
| 4.2 LDA模型在特征优化中的应用 | 第37-41页 |
| 4.2.1 LDA在特征优化中的应用思路 | 第37-38页 |
| 4.2.2 LDA主题模型分析 | 第38-39页 |
| 4.2.3 基于微博的LDA建模 | 第39-41页 |
| 4.3 基于随机森林的预测器模型 | 第41-45页 |
| 4.3.1 预测器构建流程 | 第41-42页 |
| 4.3.2 随机森林平衡优化 | 第42-43页 |
| 4.3.3 误差估计与模型选择 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 实验结果及分析 | 第46-55页 |
| 5.1 实验数据 | 第46-50页 |
| 5.1.1 数据采集 | 第46-47页 |
| 5.1.2 数据存储 | 第47-48页 |
| 5.1.3 数据预处理 | 第48-49页 |
| 5.1.4 实验数据介绍 | 第49-50页 |
| 5.2 实验原理及方案 | 第50-51页 |
| 5.2.1 基本思路 | 第50页 |
| 5.2.2 模型训练 | 第50页 |
| 5.2.3 评价指标 | 第50-51页 |
| 5.3 实验结果分析 | 第51-55页 |
| 5.3.1 参数选择 | 第51-52页 |
| 5.3.2 模型验证 | 第52-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 工作总结 | 第55页 |
| 6.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第61-62页 |
