| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-13页 |
| 1.3 本文的研究内容 | 第13页 |
| 1.4 本文的组织 | 第13-15页 |
| 第二章 相关理论知识 | 第15-22页 |
| 2.1 热门视频的定义 | 第15页 |
| 2.2 视频热度计算 | 第15-16页 |
| 2.3 视频分享网站 | 第16-17页 |
| 2.4 网络爬虫技术 | 第17页 |
| 2.4.1 网络爬虫原理 | 第17页 |
| 2.4.2 网页抓取策略 | 第17页 |
| 2.5 话题检测与跟踪 | 第17-21页 |
| 2.5.1 中文分词 | 第18页 |
| 2.5.2 中文分词常见算法 | 第18-19页 |
| 2.5.3 停用词 | 第19页 |
| 2.5.4 向量空间模型 | 第19-20页 |
| 2.5.5 特征选择 | 第20页 |
| 2.5.6 文本相似性度量 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 影响视频热度的因素 | 第22-35页 |
| 3.1 数据来源 | 第22-23页 |
| 3.2 账号粉丝数量与播放数量的关系 | 第23-31页 |
| 3.2.1 视频类别范围的确定 | 第23-24页 |
| 3.2.2 热度时间确定 | 第24-26页 |
| 3.2.3 粉丝数量与总播放数量的关系 | 第26-29页 |
| 3.2.4 优质帐号 | 第29-31页 |
| 3.2.5 帐号质量库 | 第31页 |
| 3.3 热门话题 | 第31-33页 |
| 3.4 热门视频发掘 | 第33页 |
| 3.5 实验 | 第33-34页 |
| 3.5.1 实验内容 | 第33页 |
| 3.5.2 实验结果 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 热门视频预测与追踪 | 第35-52页 |
| 4.1 视频资源热度的计算方法 | 第35-37页 |
| 4.2 热度计算方法 | 第37-38页 |
| 4.2.1 初始阶段 | 第37页 |
| 4.2.2 跟踪预测阶段 | 第37-38页 |
| 4.3 视频热度预测 | 第38-48页 |
| 4.3.1 移动平均法 | 第38-39页 |
| 4.3.2 指数平滑法 | 第39-41页 |
| 4.3.3 ARIMA模型 | 第41页 |
| 4.3.4 灰色理论 | 第41-43页 |
| 4.3.5 灰色Verhuslt模型 | 第43-44页 |
| 4.3.6 灰色Verhulst模型加入话题热度参数后的改进方法 | 第44页 |
| 4.3.7 误差分析标准 | 第44-45页 |
| 4.3.8 实验 | 第45-48页 |
| 4.4 热度排序 | 第48-51页 |
| 4.4.1 插入排序 | 第48-49页 |
| 4.4.2 冒泡排序 | 第49页 |
| 4.4.3 快速排序 | 第49页 |
| 4.4.4 堆排序 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 模型实现 | 第52-57页 |
| 5.1 模型设计 | 第52页 |
| 5.2 模块介绍 | 第52-55页 |
| 5.2.1 数据采集模块 | 第52-54页 |
| 5.2.2 话题计算 | 第54-55页 |
| 5.2.3 热点发掘 | 第55页 |
| 5.2.4 跟踪预测 | 第55页 |
| 5.2.5 结果显示 | 第55页 |
| 5.3 性能测验 | 第55-56页 |
| 5.3.1 实验环境 | 第56页 |
| 5.3.2 实验结果 | 第56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结和展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录 | 第62-63页 |
| 详细摘要 | 第63-65页 |