基于微博的社区识别和话题检测应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国内研究现状 | 第13-14页 |
| 1.2.2 国外研究现状 | 第14-15页 |
| 1.3 主要研究内容与方法 | 第15-18页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 主要研究方法 | 第16页 |
| 1.3.3 研究基础与条件 | 第16-17页 |
| 1.3.4 主要研究方法 | 第17页 |
| 1.3.5 初步解决方案 | 第17页 |
| 1.3.6 研究思路与算法 | 第17-18页 |
| 1.4 论文组织 | 第18-20页 |
| 第2章 相关知识和技术 | 第20-30页 |
| 2.1 社交网络 | 第20-23页 |
| 2.1.1 社交网络的定义 | 第20-21页 |
| 2.1.2 与社交网络相关的几个基础定义 | 第21-22页 |
| 2.1.3 目前社交网络的研究方向 | 第22-23页 |
| 2.2 微博客 | 第23-25页 |
| 2.2.1 微博的概念 | 第23-24页 |
| 2.2.2 微博用户的行为和关系 | 第24页 |
| 2.2.3 微博社区的研究现状 | 第24-25页 |
| 2.3 微博影响力 | 第25-27页 |
| 2.4 传统主题发现技术 | 第27-29页 |
| 2.4.1 预处理 | 第28页 |
| 2.4.2 特征提取方法 | 第28页 |
| 2.4.3 常用聚类方法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 微博数据采集 | 第30-35页 |
| 3.1 爬虫与反爬虫 | 第30页 |
| 3.2 不携带COOKIE进行抓取的解决方案 | 第30-33页 |
| 3.3 特殊情况的处理 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于散射状的微博社区发现算法 | 第35-41页 |
| 4.1 NEWMAN快速算法 | 第35页 |
| 4.2 微博网络中的散射状结构 | 第35-37页 |
| 4.3 基于散射型结构的社区发现算法描述 | 第37-38页 |
| 4.3.1 中心节点的选取 | 第37页 |
| 4.3.2 中心节点的合并 | 第37-38页 |
| 4.4 算法相关问题分析 | 第38-39页 |
| 4.4.1 社区数量的控制 | 第38-39页 |
| 4.4.2 其他节点的聚合顺序 | 第39页 |
| 4.5 实验结果分析 | 第39-40页 |
| 4.5.1 中心相关度分析 | 第39-40页 |
| 4.5.2 误差分析 | 第40页 |
| 4.6 本章小结 | 第40-41页 |
| 第5章 基于聚类的微博话题发现研究 | 第41-50页 |
| 5.1 话题热度检测 | 第41-44页 |
| 5.1.1 特征项权重计算 | 第41页 |
| 5.1.2 微博价值含量 | 第41-42页 |
| 5.1.3 话题检测算法 | 第42-44页 |
| 5.2 话题跟踪技术研究 | 第44-46页 |
| 5.3 实验结果及分析 | 第46-49页 |
| 5.3.1 两种微博数据获取方式分析 | 第46-47页 |
| 5.3.2 跟踪算法分析 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 总结与展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |
