| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 研究历史与现状 | 第13-16页 |
| 1.2.1 基于用户行为的账号分析 | 第13-14页 |
| 1.2.2 基于网络特征的账号分析 | 第14-15页 |
| 1.2.3 基于文本特征的账号分析 | 第15-16页 |
| 1.3 论文研究内容 | 第16-17页 |
| 1.4 论文结构安排 | 第17-18页 |
| 第二章 价值账号研究基础 | 第18-31页 |
| 2.1 推特中的垃圾账号过滤 | 第18-26页 |
| 2.1.1 垃圾账号定义 | 第18-20页 |
| 2.1.2 垃圾账号特征提取 | 第20-25页 |
| 2.1.3 垃圾账号过滤流程 | 第25-26页 |
| 2.2 推特中的价值账号 | 第26页 |
| 2.3 文本的预处理技术 | 第26-28页 |
| 2.4 文本的表示 | 第28-29页 |
| 2.5 账号特征选择方法 | 第29-30页 |
| 2.5.1 TopK方法 | 第29页 |
| 2.5.2 信息增益 | 第29-30页 |
| 2.5.3 卡方检验 | 第30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 基于多属性特征的推特价值账号特征提取方法 | 第31-52页 |
| 3.1 账号训练集构建 | 第31-33页 |
| 3.2 推文预处理 | 第33-34页 |
| 3.3 多属性账号文本特征 | 第34-42页 |
| 3.3.1 关键词特征 | 第35-36页 |
| 3.3.2 命名实体特征 | 第36-37页 |
| 3.3.3 话题标签特征 | 第37-38页 |
| 3.3.4 URL特征 | 第38-41页 |
| 3.3.5 数字特征 | 第41-42页 |
| 3.4 基于信息增益的账号特征选择方法 | 第42-44页 |
| 3.5 测试与分析 | 第44-51页 |
| 3.5.1 特征维度数量与账号分类效果的关系测试 | 第44-45页 |
| 3.5.2 多属性角度账号分类的结果 | 第45-48页 |
| 3.5.3 基于信息增益的账号特征提取方法效果测试 | 第48-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 基于半监督协同训练的推特价值账号分类 | 第52-68页 |
| 4.1 基于Self-Training的价值账号分类方法 | 第53页 |
| 4.2 基于Co-Training框架的价值账号分类方法 | 第53-56页 |
| 4.2.1 常用Co-Training框架 | 第53-54页 |
| 4.2.2 本文Co-Training框架 | 第54-56页 |
| 4.3 基于Tri-Training框架的价值账号分类方法 | 第56-61页 |
| 4.3.1 常用Tri-Training框架 | 第56-58页 |
| 4.3.2 ImprovedTri-Training框架 | 第58-61页 |
| 4.4 基于半监督协同训练的推特价值账号分类流程 | 第61-62页 |
| 4.5 测试与分析 | 第62-67页 |
| 4.5.1 测试内容 | 第62页 |
| 4.5.2 测试步骤 | 第62-63页 |
| 4.5.3 测试结果及分析 | 第63-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 结论 | 第68-70页 |
| 5.1 全文总结 | 第68-69页 |
| 5.2 后续工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻硕期间取得的研究成果 | 第74页 |
