在线社会网络下的垃圾信息过滤技术的研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 论文的研究内容 | 第10-11页 |
| 1.3 论文的组织结构 | 第11-12页 |
| 第2章 基于社会网络平台的垃圾信息过滤 | 第12-26页 |
| 2.1 社会网络的概述 | 第12-14页 |
| 2.1.1 社会网络的定义 | 第12页 |
| 2.1.2 社会网络的发展 | 第12-13页 |
| 2.1.3 社会网络的分类 | 第13-14页 |
| 2.2 国内外研究现状 | 第14-15页 |
| 2.3 垃圾信息的种类 | 第15-16页 |
| 2.4 垃圾微博的定义 | 第16-17页 |
| 2.5 目前常用过滤垃圾信息的方法 | 第17-20页 |
| 2.5.1 基于规则和模式匹配的过滤方法 | 第17页 |
| 2.5.2 用户人工举报垃圾账号 | 第17-18页 |
| 2.5.3 黑白名单过滤方法 | 第18页 |
| 2.5.4 基于统计机器学习的过滤方法 | 第18-20页 |
| 2.6 常见分词算法介绍 | 第20-25页 |
| 2.6.1 文中分词方法ansj | 第23-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第3章 基于动态垃圾词库的微博信息标注模型 | 第26-40页 |
| 3.1 模型框架设计 | 第26-27页 |
| 3.2 贝叶斯理论知识 | 第27-30页 |
| 3.2.1 贝叶斯定理 | 第27-28页 |
| 3.2.2 推导贝叶斯定理 | 第28-29页 |
| 3.2.3 推广的贝叶斯定理 | 第29-30页 |
| 3.3 基于贝叶斯定理的垃圾词库的建立 | 第30-37页 |
| 3.3.1 算法概述 | 第30-31页 |
| 3.3.2 算法步骤 | 第31-35页 |
| 3.3.3 算法改进 | 第35-37页 |
| 3.4 设置白名单 | 第37-38页 |
| 3.5 用户名誉度分析 | 第38页 |
| 3.6 本章小结 | 第38-40页 |
| 第4章 动态垃圾词库的实现 | 第40-52页 |
| 4.1 页面处理 | 第40-42页 |
| 4.2 权重计算 | 第42-44页 |
| 4.3 实验 | 第44-51页 |
| 4.3.1 实验数据 | 第44-46页 |
| 4.3.2 评价标准 | 第46-47页 |
| 4.3.3 实验结果与分析 | 第47-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 攻读学位期间取得的研究成果 | 第56-57页 |
| 致谢 | 第57-59页 |
| 附件 | 第59页 |
