| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·本论文研究内容和组织结构 | 第14-16页 |
| ·本论文研究内容 | 第14-15页 |
| ·本论文组织结构 | 第15-16页 |
| 第2章 微博数据获取及预处理 | 第16-22页 |
| ·微博数据爬取的基本思想 | 第16页 |
| ·微博数据爬取技术分析 | 第16-18页 |
| ·基于新浪API的微博数据爬取方法 | 第16-17页 |
| ·基于HttpWebRequest、HttpWebResponse的数据爬取方法 | 第17-18页 |
| ·基于WebBrowser控件的数据爬取方法 | 第18页 |
| ·微博数据预处理 | 第18-21页 |
| ·原始微博数据获取 | 第18-20页 |
| ·微博数据预处理 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 微博意见领袖挖掘 | 第22-38页 |
| ·意见领袖挖掘算法思想 | 第22-23页 |
| ·传统意见领袖挖掘方法 | 第22-23页 |
| ·本文意见领袖挖掘思想 | 第23页 |
| ·意见领袖挖掘关键技术分析 | 第23-31页 |
| ·用户初始影响力计算模型 | 第23-29页 |
| ·用户初始影响力扩散模型 | 第29-31页 |
| ·意见领袖的确定 | 第31-34页 |
| ·阈值确定 | 第31-33页 |
| ·结果展示 | 第33-34页 |
| ·D3实现用户关系网络的显示 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于用户内容的兴趣社区发现 | 第38-49页 |
| ·兴趣模型的构建 | 第38-43页 |
| ·兴趣模型构建思想 | 第38-39页 |
| ·意见领袖兴趣模型构建 | 第39-41页 |
| ·普通微博用户兴趣模型构建 | 第41-43页 |
| ·兴趣社区发现 | 第43-48页 |
| ·k-means聚类算法发现社区 | 第43-45页 |
| ·SPSS实现过程 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 基于链接关系的社区发现 | 第49-63页 |
| ·基本思想 | 第49页 |
| ·算法实现 | 第49-55页 |
| ·概念介绍 | 第49-51页 |
| ·算法介绍 | 第51-54页 |
| ·算法实现 | 第54-55页 |
| ·实验比较 | 第55-62页 |
| ·Zachary社会关系网 | 第55-57页 |
| ·Dolphin social network海豚关系网络 | 第57-59页 |
| ·利用真实数据发现的社区 | 第59-60页 |
| ·最终用户社区 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 微博用户兴趣社区发现系统的设计与实现 | 第63-72页 |
| ·系统总体框架设计 | 第63-64页 |
| ·系统各功能模块实现 | 第64-72页 |
| ·数据采集 | 第65-66页 |
| ·意见领袖挖掘模块 | 第66-69页 |
| ·用户兴趣挖掘模块 | 第69-71页 |
| ·社区发现模块 | 第71-72页 |
| 第7章 总结与展望 | 第72-74页 |
| ·本文工作总结 | 第72-73页 |
| ·研究展望 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 个人简介及在校期间的科研成果 | 第77-78页 |
| 致谢 | 第78页 |