基于新浪微博的热点话题发现系统研究与实现
| 目录 | 第3-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 话题发现与跟踪的相关研究 | 第9-11页 |
| 1.2.2 网络舆情的相关研究 | 第11-13页 |
| 1.2.3 短文本聚类的相关研究 | 第13-14页 |
| 1.3 本文工作及创新点 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 2 相关技术介绍 | 第16-26页 |
| 2.1 文本聚类技术 | 第16-21页 |
| 2.1.1 聚类概念与聚类过程 | 第16-17页 |
| 2.1.2 文本表示模型 | 第17-18页 |
| 2.1.3 文本相似度 | 第18-19页 |
| 2.1.4 聚类分析算法 | 第19-20页 |
| 2.1.5 K-Means聚类 | 第20页 |
| 2.1.6 BIRCH聚类 | 第20-21页 |
| 2.2 中文自动分词 | 第21-22页 |
| 2.3 微博及网络热点 | 第22-24页 |
| 2.3.1 微博 | 第22-23页 |
| 2.3.2 网络热点 | 第23-24页 |
| 2.4 AJAX技术 | 第24-26页 |
| 2.4.1 AJAX原理 | 第24页 |
| 2.4.2 AJAX应用及优缺点 | 第24-26页 |
| 3 微博数据的抓取和预处理 | 第26-32页 |
| 3.1 微博数据的抓取 | 第26-29页 |
| 3.1.1 微博内容的抓取 | 第26-28页 |
| 3.1.2 微博用户信息的抓取 | 第28-29页 |
| 3.2 数据集预处理 | 第29-31页 |
| 3.2.1 微博内容 | 第29-30页 |
| 3.2.2 用户信息 | 第30-31页 |
| 3.3 本章小结 | 第31-32页 |
| 4 微博热点发现系统 | 第32-47页 |
| 4.1 系统总体设计思路 | 第32-34页 |
| 4.2 数据结构设计 | 第34-37页 |
| 4.2.1 微博 | 第34-35页 |
| 4.2.2 用户 | 第35-36页 |
| 4.2.3 微话题 | 第36页 |
| 4.2.4 热点 | 第36-37页 |
| 4.3 二次聚类算法设计 | 第37-44页 |
| 4.3.1 聚类前的准备工作 | 第37-38页 |
| 4.3.2 初次聚类-Kmeans聚类 | 第38-41页 |
| 4.3.3 二次聚类-层次聚类BIRCH | 第41-44页 |
| 4.4 热点排序 | 第44-46页 |
| 4.4.1 热度及用户影响力 | 第44-45页 |
| 4.4.2 微博热度 | 第45页 |
| 4.4.3 微话题热度 | 第45页 |
| 4.4.4 热点热度 | 第45-46页 |
| 4.5 热点展现 | 第46页 |
| 4.6 本章小结 | 第46-47页 |
| 5 实验及分析 | 第47-54页 |
| 5.1 实验环境 | 第47页 |
| 5.2 实验过程 | 第47-53页 |
| 5.2.1 微博数据抓取 | 第47-48页 |
| 5.2.2 微博用户 | 第48-49页 |
| 5.2.3 第一次聚类 | 第49-50页 |
| 5.2.4 第二次聚类 | 第50-51页 |
| 5.2.5 热度计算 | 第51-52页 |
| 5.2.6 热点趋势 | 第52-53页 |
| 5.3 实验结果分析 | 第53-54页 |
| 6 总结与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
