| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题背景和意义 | 第8-10页 |
| 1.1.1 选题背景 | 第8页 |
| 1.1.2 课题研究意义 | 第8-10页 |
| 1.2 研究内容 | 第10-11页 |
| 1.2.1 课题研究内容 | 第10-11页 |
| 1.2.2 课题创新点 | 第11页 |
| 1.3 论文结构安排 | 第11-14页 |
| 第二章 相关研究综述 | 第14-22页 |
| 2.1 引言 | 第14页 |
| 2.2 分布式爬虫 | 第14-17页 |
| 2.2.1 网络爬虫技术 | 第14-15页 |
| 2.2.2 爬虫的分布式架构 | 第15-17页 |
| 2.3 主题提取模型 | 第17-20页 |
| 2.3.1 LDA主题提取模型 | 第18-19页 |
| 2.3.2 Labeled-LDA改进模型 | 第19-20页 |
| 2.4 情感分类算法 | 第20-22页 |
| 2.4.1 朴素贝叶斯分类器 | 第20-22页 |
| 第三章 面向微博用户的兴趣偏好分析系统设计方案 | 第22-34页 |
| 3.1 引言 | 第22页 |
| 3.2 系统总体架构概述 | 第22-23页 |
| 3.3 数据抓取模块 | 第23-28页 |
| 3.3.1 基于分布式架构的网络爬虫 | 第23-24页 |
| 3.3.2 数据抓取 | 第24-25页 |
| 3.3.3 数据清洗 | 第25-27页 |
| 3.3.4 持久化子模块 | 第27-28页 |
| 3.4 兴趣主题提取模块 | 第28-30页 |
| 3.4.1 兴趣主题语料选择 | 第28页 |
| 3.4.2 基于Labeled-LDA模型的兴趣主题提取 | 第28-29页 |
| 3.4.3 针对微博用户文本的兴趣主题预测 | 第29-30页 |
| 3.5 情感分类模块 | 第30-31页 |
| 3.5.1 基于朴素贝叶斯算法的情感倾向分类 | 第30-31页 |
| 3.5.2 面向微博用户兴趣主题的情感倾向判定 | 第31页 |
| 3.6 可视化模块 | 第31-32页 |
| 3.6.1 服务器端的MVC架构 | 第31-32页 |
| 3.7 本章小结 | 第32-34页 |
| 第四章 兴趣偏好分析系统实现 | 第34-46页 |
| 4.1 引言 | 第34页 |
| 4.2 项目整体结构 | 第34-35页 |
| 4.3 数据抓取模块 | 第35-39页 |
| 4.3.1 数据抓取 | 第35-37页 |
| 4.3.2 数据清洗 | 第37-38页 |
| 4.3.3 持久化存储 | 第38-39页 |
| 4.4 兴趣主题分析 | 第39-41页 |
| 4.4.1 兴趣主题提取实现 | 第39-41页 |
| 4.4.2 兴趣主题预测实现 | 第41页 |
| 4.5 情感分类模块 | 第41-42页 |
| 4.5.1 针对微博用户兴趣主题的情感分类实现 | 第41-42页 |
| 4.6 可视化模块 | 第42-46页 |
| 4.6.1 可视化模块实现方案 | 第42-43页 |
| 4.6.2 微博用户数据抓取结果 | 第43-44页 |
| 4.6.3 兴趣分析模块与情感分类模块 | 第44-46页 |
| 第五章 实验结果与分析 | 第46-52页 |
| 5.1 实验结果与分析 | 第46-50页 |
| 5.1.1 测试环境 | 第46-47页 |
| 5.1.2 评价标准 | 第47页 |
| 5.1.3 实验结果与分析 | 第47-50页 |
| 5.2 本章小结 | 第50-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 论文工作总结 | 第52页 |
| 6.2 下一步工作展望 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-58页 |
| 攻读学位期间发表的学术论文目录 | 第58页 |