微博特定群体发现模型研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·本文研究背景 | 第10-11页 |
| ·本文研究意义 | 第11-12页 |
| ·本文的研究内容 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第2章 国内外相关研究综述 | 第14-25页 |
| ·新浪微博自动化爬取技术介绍 | 第14-16页 |
| ·新浪微博开放平台 API | 第14-15页 |
| ·Python 实现的微博爬虫 | 第15-16页 |
| ·特定群体、群体与社团 | 第16-18页 |
| ·社团的定义 | 第16-17页 |
| ·群体的定义 | 第17-18页 |
| ·特定群体的定义 | 第18页 |
| ·社团发现算法国内外研究现状 | 第18-24页 |
| ·社团发现算法的相关理论 | 第19页 |
| ·社团发现算法的分类 | 第19-21页 |
| ·社团发现的主要算法简介 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 微博语义分析与关系分析关键技术 | 第25-35页 |
| ·微博群体特征表示及其抽取算法 | 第25-27页 |
| ·微博群体特征 | 第25-26页 |
| ·微博群体特征语料 | 第26页 |
| ·基于 TF-IDF 算法的群体特征抽取技术 | 第26-27页 |
| ·微博语义分析技术 | 第27-30页 |
| ·微博文本降维 | 第27-28页 |
| ·微博语义相似度比较 | 第28-30页 |
| ·微博用户主题相关度 | 第30页 |
| ·微博关系分析技术 | 第30-32页 |
| ·微博关注关系与潜在语义联系 | 第30-32页 |
| ·微博用户共同关注度 | 第32页 |
| ·微博候选用户选择技术 | 第32-34页 |
| ·齐普夫定律与省力法则 | 第33-34页 |
| ·微博群体有效用户界定算法 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第4章 微博特定群体发现模型 | 第35-44页 |
| ·特定群体发现模型框架 | 第35页 |
| ·特定群体发现模型相关概念 | 第35-40页 |
| ·种子用户与候选人 | 第35-37页 |
| ·用户语义分析 | 第37-38页 |
| ·候选人选择 | 第38-39页 |
| ·用户关系分析 | 第39-40页 |
| ·特定群体发现模型迭代算法 | 第40-43页 |
| ·模型初始化 | 第41页 |
| ·模型迭代算法伪代码 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 实验与评测 | 第44-56页 |
| ·实验背景 | 第44页 |
| ·数据集 | 第44-45页 |
| ·实验设置 | 第45页 |
| ·实验结果评测方式 | 第45-46页 |
| ·微博用户搜索发现方法 | 第45-46页 |
| ·利用 UTR 改进后的微博用户搜索发现方法 | 第46页 |
| ·实验结果分析 | 第46-55页 |
| ·用户语义分析 | 第46-50页 |
| ·用户关系分析 | 第50-54页 |
| ·基准方法对比评测 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间发表论文与研究成果清单 | 第62-63页 |
| 致谢 | 第63页 |
