微博用户行为与信息传播研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 用户行为与信息传播 | 第13-14页 |
| 1.2.2 微博用户行为研究现状 | 第14-15页 |
| 1.2.3 微博信息传播研究现状 | 第15-16页 |
| 1.3 论文研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-19页 |
| 2 相关理论与技术 | 第19-23页 |
| 2.1 用户关系结构 | 第19页 |
| 2.2 非负矩阵分解 | 第19-20页 |
| 2.3 词语互信息 | 第20-21页 |
| 2.4 相似度计算 | 第21页 |
| 2.5 LDA模型 | 第21-23页 |
| 3 微博用户行为分析及建模 | 第23-30页 |
| 3.1 用户行为识别 | 第23页 |
| 3.2 数据抓取 | 第23-24页 |
| 3.3 基于用户行为的用户影响力分析 | 第24-27页 |
| 3.3.1 用户行为因子 | 第24-25页 |
| 3.3.2 基于LDA模型的微博用户兴趣建模 | 第25-26页 |
| 3.3.3 用户兴趣度计算 | 第26页 |
| 3.3.4 用户影响力 | 第26-27页 |
| 3.3.5 算法复杂度分析 | 第27页 |
| 3.4 实验结果 | 第27-30页 |
| 3.4.1 实验数据集 | 第27-28页 |
| 3.4.2 用户行为因子对比 | 第28-29页 |
| 3.4.3 算法结果分析 | 第29-30页 |
| 4 微博信息传播分析 | 第30-38页 |
| 4.1 引言 | 第30页 |
| 4.2 信息传播 | 第30-34页 |
| 4.2.1 基于微博用户内容建模 | 第30-31页 |
| 4.2.2 对称非负矩阵分解 | 第31页 |
| 4.2.3 迭代计算主题和用户的相似度 | 第31-33页 |
| 4.2.4 微博信息传播邻接矩阵 | 第33页 |
| 4.2.5 微博信息传播力 | 第33-34页 |
| 4.3 实验结果与分析 | 第34-38页 |
| 4.3.1 数据预处理 | 第34页 |
| 4.3.2 评价方法 | 第34-35页 |
| 4.3.3 选取知识库 | 第35页 |
| 4.3.4 参数设置 | 第35-36页 |
| 4.3.5 实验分析 | 第36-38页 |
| 5 总结与展望 | 第38-39页 |
| 参考文献 | 第39-43页 |
| 攻读硕士学位期间发表论文及参与项目 | 第43-44页 |
| 致谢 | 第44页 |
