基于群体智慧的社交网络数据挖掘的研究
| 摘要 | 第4-5页 |
| Summary | 第5页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 社交网络研究现状 | 第8-10页 |
| 1.2.1 社交网络关系的研究现状 | 第8-9页 |
| 1.2.2 社交网络谣言的研究现状 | 第9页 |
| 1.2.3 群体智慧研究现状 | 第9-10页 |
| 1.3 本文研究的主要工作 | 第10-11页 |
| 1.4 本文的组织结构 | 第11-12页 |
| 第二章 相关技术 | 第12-18页 |
| 2.1 社交网络分析 | 第12-13页 |
| 2.1.1 社交网络的发展 | 第12页 |
| 2.1.2 社交网络的研究方向 | 第12-13页 |
| 2.2 数据挖掘技术及工具 | 第13-14页 |
| 2.2.1 数据库 | 第13-14页 |
| 2.2.2 编程语言 | 第14页 |
| 2.3 社交网络数据挖掘基础 | 第14-17页 |
| 2.3.1 数据挖掘的过程 | 第14-15页 |
| 2.3.2 特征降维 | 第15-16页 |
| 2.3.3 聚类算法 | 第16页 |
| 2.3.4 分类算法 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第三章 数据采集及社交网络分析 | 第18-28页 |
| 3.1 数据采集及预处理 | 第18-22页 |
| 3.1.1 数据采集方法 | 第18-21页 |
| 3.1.2 数据预处理 | 第21-22页 |
| 3.2 社交网络特征分析 | 第22-24页 |
| 3.2.1 用户特征分析 | 第22页 |
| 3.2.2 文本特征分析 | 第22-24页 |
| 3.2.3 传播特征 | 第24页 |
| 3.3 社交网络弱关系分析 | 第24-27页 |
| 3.3.1 社交网络弱关系 | 第24-25页 |
| 3.3.2 社交网络弱关系的强化 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 基于用户投票的谣言排名算法 | 第28-41页 |
| 4.1 基础算法 | 第28-30页 |
| 4.1.1 排名算法 | 第28-29页 |
| 4.1.2 加权算法 | 第29-30页 |
| 4.2 用户对谣言排名的贡献分析 | 第30页 |
| 4.3 基于用户投票的谣言排名算法 | 第30-32页 |
| 4.4 实验分析 | 第32-40页 |
| 4.4.1 辟谣用户对谣言排名的贡献度分析 | 第32-35页 |
| 4.4.2 传播谣言用户对谣言排名的贡献度分析 | 第35-37页 |
| 4.4.3 排名结果分析 | 第37-40页 |
| 4.5 本章小节 | 第40-41页 |
| 第五章 微博特征分析及谣言检测 | 第41-59页 |
| 5.1 基于用户特征和传播特征的用户分类 | 第41-51页 |
| 5.1.1 用户和传播路径分析 | 第41-48页 |
| 5.1.2 基于用户特征的分类 | 第48-50页 |
| 5.1.3 基于传播特征的分类 | 第50-51页 |
| 5.2 基于内容的谣言检测 | 第51-58页 |
| 5.2.1 特征选择到蚁群的转化分析 | 第51-52页 |
| 5.2.2 特征选择到蚁群算法的函数映射 | 第52-53页 |
| 5.2.3 蚁群与随机森林混合特征选择及分类 | 第53-55页 |
| 5.2.4 实验分析 | 第55-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 全文总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65-66页 |
| 图版 | 第66-68页 |
