基于网络结构和内容理解的微博排序算法的研究和实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 论文背景 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 论文研究内容 | 第16页 |
| 1.4 论文结构 | 第16-17页 |
| 第2章 关键理论介绍 | 第17-20页 |
| 2.1 微博用户重要性分析 | 第17-18页 |
| 2.2 微博内容重要性分析 | 第18页 |
| 2.3 综合排序算法 | 第18-19页 |
| 2.4 本章小节 | 第19-20页 |
| 第3章 基于社交网络结构的微博用户重要性分析 | 第20-30页 |
| 3.1 概述 | 第20页 |
| 3.2 网络节点静态特征 | 第20-22页 |
| 3.3 基于动态及静态特征的重要性算法 | 第22-25页 |
| 3.3.1 网页排名算法 | 第22-23页 |
| 3.3.2 静态权重 | 第23页 |
| 3.3.3 动态权重 | 第23-24页 |
| 3.3.4 动静态结合权重 | 第24-25页 |
| 3.4 大规模网络的节点重要性计算 | 第25-29页 |
| 3.4.1 子网划分 | 第25-26页 |
| 3.4.2 子网关系网重构 | 第26-27页 |
| 3.4.3 子网重要性计算 | 第27-28页 |
| 3.4.4 节点重要性计算 | 第28-29页 |
| 3.5 本章小节 | 第29-30页 |
| 第4章 基于内容理解的微博重要性分析 | 第30-39页 |
| 4.1 概述 | 第30页 |
| 4.2 用户兴趣理解 | 第30-36页 |
| 4.2.1 识别用户兴趣的依据 | 第30-32页 |
| 4.2.2 标签兴趣模型 | 第32-34页 |
| 4.2.3 内容兴趣模型 | 第34-35页 |
| 4.2.4 微博用户兴趣模型 | 第35-36页 |
| 4.3 微博帖子理解 | 第36-38页 |
| 4.4 本章小节 | 第38-39页 |
| 第5章 微博帖子排序算法及结果分析 | 第39-54页 |
| 5.1 概述 | 第39页 |
| 5.2 数据来源及存储方案 | 第39-42页 |
| 5.2.1 MySQL数据库存储方案 | 第41页 |
| 5.2.2 Neo4j数据库存储方案 | 第41-42页 |
| 5.3 基于社交网络结构的微博排序算法及结果分析 | 第42-46页 |
| 5.3.1 网页排名算法实验结果分析 | 第43-45页 |
| 5.3.2 排序结果及分析 | 第45-46页 |
| 5.4 基于内容理解的微博排序算法及结果分析 | 第46-50页 |
| 5.4.1 向量的计算 | 第46-47页 |
| 5.4.2 关键词识别 | 第47页 |
| 5.4.3 微博帖子聚类 | 第47-48页 |
| 5.4.4 排序结果及分析 | 第48-50页 |
| 5.5 综合排序算法设计 | 第50-53页 |
| 5.5.1 综合排序算法设计 | 第50页 |
| 5.5.2 综合排序算法测试 | 第50-53页 |
| 5.6 本章小节 | 第53-54页 |
| 总结与展望 | 第54-56页 |
| 1. 总结 | 第54页 |
| 2. 展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
