基于遗传算法的热点微博的聚类分析方法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 引言 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 语言分析 | 第10页 |
| 1.2.2 博文处理 | 第10-11页 |
| 1.2.3 用户行为 | 第11-12页 |
| 1.3 论文结构 | 第12-14页 |
| 2 相关理论 | 第14-24页 |
| 2.1 词向量表示模型 | 第14-17页 |
| 2.2 模拟退火算法 | 第17-18页 |
| 2.2.1 模拟退火算法 | 第17页 |
| 2.2.2 Metropolis准则 | 第17-18页 |
| 2.2.3 模拟退火算法的步骤 | 第18页 |
| 2.3 遗传算法 | 第18-21页 |
| 2.3.1 遗传算法的有关概念 | 第19页 |
| 2.3.2 遗传算法的基本操作 | 第19-21页 |
| 2.4 聚类算法 | 第21-22页 |
| 2.5 本章小结 | 第22-24页 |
| 3 微博的属性研究 | 第24-36页 |
| 3.1 博文预处理 | 第24页 |
| 3.2 经典TF-IDF算法 | 第24-25页 |
| 3.3 WORD2VEC的博文建模 | 第25-27页 |
| 3.4 微博引爆点分析 | 第27页 |
| 3.5 两种模拟退火算法的研究 | 第27-30页 |
| 3.6 微博热度时间衰减建模 | 第30-33页 |
| 3.7 微博相关属性 | 第33-34页 |
| 3.8 本章小结 | 第34-36页 |
| 4 聚类分析的研究与改进 | 第36-50页 |
| 4.1 经典聚类算法 | 第36-40页 |
| 4.1.1 K-means算法 | 第36-37页 |
| 4.1.2 C均值聚类 | 第37-38页 |
| 4.1.3 模糊C均值聚类 | 第38-40页 |
| 4.2 基于模拟退火遗传算法的SAGM算法 | 第40-47页 |
| 4.3 增量式聚类挖掘算法 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 实验与分析 | 第50-56页 |
| 5.1 微博热点话题发现方案 | 第50-51页 |
| 5.1.1 微博话题热度 | 第50页 |
| 5.1.2 微博热点话题发现方案 | 第50-51页 |
| 5.2 算法评价指标 | 第51-54页 |
| 5.3 本章小结 | 第54-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间的研究工作 | 第62-64页 |
| 1 攻读硕士学位期间发表的论文 | 第62页 |
| 2 攻读硕士学位期间参加的科学研究工作 | 第62-64页 |
| 致谢 | 第64页 |
