首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--局域网(LAN)、城域网(MAN)论文

新浪微博社群发现方法研究

摘要第2-3页
Abstract第3-4页
第一章 绪论第7-11页
    1.1 研究背景与意义第7-8页
    1.2 社交媒体社群发现方法概述第8-10页
    1.3 研究内容与论文结构第10-11页
第二章 新浪微博数据的爬取方法第11-14页
    2.1 数据收集第11-12页
    2.2 数据过滤第12-13页
    2.3 本章小结第13-14页
第三章 数据特征分析第14-22页
    3.1 数据地区分布第14页
    3.2 数据微博发布特点分析第14-20页
        3.2.1 用户关注数量分析第16-17页
        3.2.2 用户粉丝数量分析第17页
        3.2.3 用户微博数量分析第17-19页
        3.2.4 微博时间统计第19-20页
            3.2.4.1 微博时间一天中分布分析第19页
            3.2.4.2 微博时间一年中分布分析第19-20页
    3.3 微博互动特点分析第20-21页
        3.3.1 用户互动情况分析第20-21页
            3.3.1.1 熵力模型第20-21页
            3.3.1.2 社交网络图第21页
    3.4 本章小结第21-22页
第四章 基于关键词的新浪微博社群发现方法第22-35页
    4.1 方法概述第22-23页
    4.2 TF-IDF算法第23页
    4.3 聚类算法第23-33页
        4.3.1 K-MEANS聚类算法第23-25页
        4.3.2 聚类结果统计第25-27页
        4.3.3 SOM聚类算法第27-29页
        4.3.4 聚类结果统计第29-30页
        4.3.5 MeanShift聚类算法第30-32页
        4.3.6 聚类结果统计第32-33页
    4.4 三种聚类结果比较第33-34页
    4.5 本章小结第34-35页
第五章 总结与展望第35-37页
    5.1 总结第35页
    5.2 展望第35-37页
参考文献第37-42页
致谢第42-43页
在校期间发表论文情况第43-44页
在校期间参与科研项目情况第44-45页

论文共45页,点击 下载论文
上一篇:复值递归神经网络的多稳定性
下一篇:哈萨克语句法分析辅助特征提取研究