| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 缩略语 | 第11-12页 |
| 1.绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.1.1 微博简介 | 第12页 |
| 1.1.2 微博水军及其研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文研究内容 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 2.相关技术研究 | 第17-34页 |
| 2.1 爬虫技术 | 第17-20页 |
| 2.1.1 常见的爬虫框架及介绍 | 第17-18页 |
| 2.1.2 基于Scrapy-redis的分布式爬虫框架 | 第18-20页 |
| 2.2 数据的预处理 | 第20-21页 |
| 2.3 文本预处理 | 第21-23页 |
| 2.4 文本表示方法 | 第23-25页 |
| 2.5 NodeEmbedding | 第25-26页 |
| 2.6 常用分类方法 | 第26-29页 |
| 2.6.1 逻辑回归 | 第26-27页 |
| 2.6.2 支持向量机 | 第27-28页 |
| 2.6.3 朴素贝叶斯 | 第28-29页 |
| 2.7 半监督学习 | 第29-33页 |
| 2.7.1 生成式方法 | 第29-30页 |
| 2.7.2 半监督SVM | 第30-31页 |
| 2.7.3 基于分歧的半监督学习方法 | 第31-33页 |
| 2.7.4 三体训练法 | 第33页 |
| 2.8 本章小结 | 第33-34页 |
| 3.系统的需求分析与设计 | 第34-40页 |
| 3.1 系统的需求分析 | 第34-35页 |
| 3.1.1 功能性需求分析 | 第34页 |
| 3.1.2 非功能需求分析 | 第34-35页 |
| 3.2 系统总体的设计 | 第35-36页 |
| 3.3 系统分类器算法选择 | 第36-39页 |
| 3.3.1 分类模型性能评价 | 第36-37页 |
| 3.3.2 实验设计 | 第37-38页 |
| 3.3.3 实验结果分析 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4.系统详细设计与实现 | 第40-51页 |
| 4.1 系统开发环境配置 | 第40页 |
| 4.2 数据采集模块设计与实现 | 第40-44页 |
| 4.2.1 数据获取 | 第40-43页 |
| 4.2.2 数据存储 | 第43-44页 |
| 4.3 数据预处理模块 | 第44-47页 |
| 4.3.1 基于One-hot用户信息特征表示 | 第44-45页 |
| 4.3.2 基于Doc2Vec模型用户文本特征表示 | 第45-46页 |
| 4.3.3 基于网络结构的用户社交特征分布式表示 | 第46-47页 |
| 4.4 数据分析模块 | 第47-50页 |
| 4.4.1 训练模块 | 第47-49页 |
| 4.4.2 测试模块 | 第49-50页 |
| 4.5 结果展示模块 | 第50页 |
| 4.6 本章小结 | 第50-51页 |
| 5.系统测试和性能评估 | 第51-56页 |
| 5.1 功能测试 | 第51-52页 |
| 5.1.1 系统运行环境 | 第51页 |
| 5.1.2 系统界面 | 第51-52页 |
| 5.2 非功能测试 | 第52-53页 |
| 5.3 系统性能分析与评估 | 第53-54页 |
| 5.4 本章小结 | 第54-56页 |
| 6.总结与展望 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |