| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 课题背景和意义 | 第12-17页 |
| 1.1.1 课题背景 | 第12-15页 |
| 1.1.2 研究目的和意义 | 第15-17页 |
| 1.2 微博消费意图定义 | 第17-19页 |
| 1.3 相关研究及分析 | 第19-21页 |
| 1.3.1 计算广告学 | 第19-20页 |
| 1.3.2 消费市场需求预测 | 第20-21页 |
| 1.3.3 社会媒体的营销与口碑研究 | 第21页 |
| 1.4 本文主要研究内容及章节安排 | 第21-23页 |
| 第2章 新浪微博数据获取与僵尸用户过滤 | 第23-34页 |
| 2.1 新浪微博数据获取 | 第23-24页 |
| 2.2 僵尸用户识别 | 第24-33页 |
| 2.2.1 微博僵尸用户概述 | 第24-25页 |
| 2.2.2 HITS 算法给用户评分 | 第25-29页 |
| 2.2.3 VF 值 | 第29-30页 |
| 2.2.4 实验结果及分析 | 第30-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第3章 基于模板匹配的消费意图识别 | 第34-44页 |
| 3.1 引言 | 第34页 |
| 3.2 模板匹配所用技术 | 第34-38页 |
| 3.2.1 自然语言处理 | 第34-35页 |
| 3.2.2 商品类目库 | 第35-37页 |
| 3.2.3 句子级中文事件抽取 | 第37页 |
| 3.2.4 信息增益 | 第37-38页 |
| 3.3 自动构建模板方法 | 第38-41页 |
| 3.3.1 语言分析 | 第39页 |
| 3.3.2 模板定义 | 第39页 |
| 3.3.3 抽取正负例模板 | 第39-40页 |
| 3.3.4 商品类目库泛化模板 | 第40页 |
| 3.3.5 序列覆盖算法抽取模板 | 第40-41页 |
| 3.3.6 实验工作流程 | 第41页 |
| 3.4 实验结果与分析 | 第41-43页 |
| 3.4.1 实验数据 | 第41-42页 |
| 3.4.2 评价方法 | 第42页 |
| 3.4.3 结果与分析 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于分类的消费意图识别 | 第44-52页 |
| 4.1 引言 | 第44页 |
| 4.2 SVM 与逻辑回归简介 | 第44-47页 |
| 4.2.1 SVM 分类原理简介 | 第44-45页 |
| 4.2.2 逻辑回归简介 | 第45-46页 |
| 4.2.3 文本分类特征抽取方法描述 | 第46-47页 |
| 4.3 利用分类进行消费意图识别 | 第47-49页 |
| 4.3.1 消费意图分类工作流程 | 第47-48页 |
| 4.3.2 文本预处理 | 第48-49页 |
| 4.3.3 基于 SVM 和逻辑回归的消费意图分类 | 第49页 |
| 4.4 实验结果与分析 | 第49-51页 |
| 4.4.1 实验数据 | 第49-50页 |
| 4.4.2 实验结果 | 第50-51页 |
| 4.4.3 实验结果与分析 | 第51页 |
| 4.5 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-60页 |
| 致谢 | 第60-61页 |