博文主题影响力和用户主题影响力评估方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景与研究意义 | 第12-15页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 CURE算法研究的现状分析 | 第15-16页 |
| 1.2.2 用户影响力研究的现状分析 | 第16-20页 |
| 1.2.3 关于博文的研究现状分析 | 第20-21页 |
| 1.3 本文主要工作 | 第21-22页 |
| 1.4 论文结构安排 | 第22-24页 |
| 第二章 相关理论和技术 | 第24-39页 |
| 2.1 微博介绍 | 第24-26页 |
| 2.1.1 主要功能 | 第24-25页 |
| 2.1.2 整体特性 | 第25-26页 |
| 2.2 中文分词 | 第26-27页 |
| 2.3 聚类算法 | 第27-33页 |
| 2.3.1 聚类算法的分类 | 第27-30页 |
| 2.3.2 相似度计算 | 第30-32页 |
| 2.3.3 聚类评价准则 | 第32-33页 |
| 2.4 文本聚类 | 第33-35页 |
| 2.5 LDA主题模型 | 第35-36页 |
| 2.6 PageRank | 第36-37页 |
| 2.7 变异系数法 | 第37-38页 |
| 2.8 本章小结 | 第38-39页 |
| 第三章 DSCURE博文聚类算法 | 第39-50页 |
| 3.1 CURE算法 | 第39-40页 |
| 3.2 CURE算法的不足及已有的改进 | 第40-42页 |
| 3.3 DSCURE算法 | 第42-49页 |
| 3.3.1 代表点选择 | 第42-46页 |
| 3.3.2 博文相似度 | 第46-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 博文主题影响力研究 | 第50-64页 |
| 4.1 概念分析及定义 | 第50-51页 |
| 4.1.1 博文影响力概念分析 | 第50-51页 |
| 4.1.2 博文主题影响力定义 | 第51页 |
| 4.2 博文特征分析 | 第51-52页 |
| 4.3 博文主题影响力分析思路 | 第52-53页 |
| 4.4 博文主题分析 | 第53-54页 |
| 4.5 博文内容质量分析 | 第54-59页 |
| 4.5.1 博文反馈网络 | 第54-57页 |
| 4.5.2 博文反馈评估 | 第57-59页 |
| 4.6 博文时效性分析 | 第59-63页 |
| 4.6.1 博文活跃度模型的提出 | 第59-61页 |
| 4.6.2 博文活跃度模型的优化 | 第61-63页 |
| 4.7 博文主题影响力评估算法 | 第63页 |
| 4.8 本章小结 | 第63-64页 |
| 第五章 用户主题影响力研究 | 第64-75页 |
| 5.1 概念分析及定义 | 第64-65页 |
| 5.1.1 用户影响力概念分析 | 第64页 |
| 5.1.2 主题概念分析 | 第64-65页 |
| 5.1.3 用户主题影响力定义 | 第65页 |
| 5.2 微博网络信息传播机制 | 第65-66页 |
| 5.3 用户主题影响力计算的整体处理流程 | 第66-68页 |
| 5.4 主题相关的用户影响力算法思想 | 第68页 |
| 5.5 转移概率的计算 | 第68-71页 |
| 5.6 模型优化 | 第71-73页 |
| 5.7 QualityRank算法流程 | 第73页 |
| 5.8 本章小结 | 第73-75页 |
| 第六章 实验分析 | 第75-93页 |
| 6.1 实验环境与实验数据集 | 第75-79页 |
| 6.1.1 实验环境 | 第75页 |
| 6.1.2 数据采集、存储及预处理 | 第75-79页 |
| 6.2 实验方案与结果分析 | 第79-91页 |
| 6.2.1 DSCURE聚类算法实验结果分析 | 第79-84页 |
| 6.2.2 博文主题影响力实验结果分析 | 第84-87页 |
| 6.2.3 用户主题影响力实验结果分析 | 第87-91页 |
| 6.3 本章小结 | 第91-93页 |
| 总结与展望 | 第93-95页 |
| 参考文献 | 第95-101页 |
| 攻读硕士学位期间取得的研究成果 | 第101-102页 |
| 致谢 | 第102-103页 |
| 附件 | 第103页 |
