| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 博文过滤及分类技术的研究 | 第11-12页 |
| 1.2.2 用户兴趣发现技术研究 | 第12-14页 |
| 1.3 主要研究内容 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 微博平台用户兴趣挖掘技术相关研究 | 第16-31页 |
| 2.1 引言 | 第16页 |
| 2.2 微博用户兴趣发现问题描述 | 第16-19页 |
| 2.2.1 微博用户兴趣的定义 | 第16-17页 |
| 2.2.2 用户兴趣发现一般过程 | 第17-19页 |
| 2.3 文本分类相关技术 | 第19-22页 |
| 2.3.1 支持向量机 | 第19-20页 |
| 2.3.2 概率主题模型 | 第20-22页 |
| 2.4 文本特征扩展技术 | 第22-27页 |
| 2.4.1 基于外部的特征扩展技术 | 第23-26页 |
| 2.4.2 基于内部的特征扩展技术 | 第26-27页 |
| 2.5 词汇向量化 | 第27-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 基于支持向量机的非话题性博文过滤技术 | 第31-40页 |
| 3.1 话题性博文定义 | 第31-33页 |
| 3.2 博文特征抽取 | 第33-38页 |
| 3.2.1 博文词汇话题特征 | 第34-36页 |
| 3.2.2 博文社交特征 | 第36-37页 |
| 3.2.3 博文文法特征 | 第37-38页 |
| 3.3 实验与分析 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于层次聚类的用户兴趣模型构建 | 第40-50页 |
| 4.1 博文关键字构建 | 第40-42页 |
| 4.1.1 关键字抽取 | 第41页 |
| 4.1.2 博文特征扩展 | 第41-42页 |
| 4.2 基于Word2Vec的词汇向量化 | 第42-43页 |
| 4.3 聚类算法介绍 | 第43-46页 |
| 4.3.1 单遍聚类 | 第43-44页 |
| 4.3.2 基于密度聚类 | 第44页 |
| 4.3.3 基于划分聚类 | 第44-45页 |
| 4.3.4 层次聚类 | 第45-46页 |
| 4.4 算法描述 | 第46-47页 |
| 4.5 实验与分析 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 基于层次聚类的微博用户兴趣发现与个性化推荐系统应用与实现 | 第50-57页 |
| 5.1 基于层次聚类的微博用户兴趣发现与个性化推荐系统设计 | 第50-52页 |
| 5.1.1 系统整体架构 | 第50-51页 |
| 5.1.2 系统各功能模块设计 | 第51-52页 |
| 5.2 基于层次聚类的微博用户兴趣发现与个性化推荐系统实现 | 第52-56页 |
| 5.2.1 博文采集模块实现 | 第52-53页 |
| 5.2.2 数据预处理模块实现 | 第53-55页 |
| 5.2.3 用户兴趣发现模块实现 | 第55-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第六章 结束语 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 作者在学期间取得的学术成果 | 第65页 |
