摘要 | 第5-7页 |
abstract | 第7-8页 |
第1章 绪论 | 第14-24页 |
1.1 研究背景及意义 | 第14-16页 |
1.2 研究内容 | 第16-19页 |
1.3 研究目标 | 第19-20页 |
1.4 论文的主要贡献 | 第20-22页 |
1.5 论文的组织结构 | 第22-24页 |
第2章 基于机器学习的社交媒体文本分析方法研究综述 | 第24-40页 |
2.1 社交媒体文本分析中的机器学习技术 | 第24-30页 |
2.1.1 社交媒体中的文本聚类方法 | 第24-27页 |
2.1.2 社交媒体分析中的文本分类方法 | 第27-28页 |
2.1.3 社交媒体分析中的特征选择方法 | 第28-30页 |
2.2 社交媒体中文本相关应用问题研究 | 第30-40页 |
2.2.1 社交媒体中的用户影响力分析 | 第30-33页 |
2.2.2 社交媒体中的突发话题检测 | 第33-37页 |
2.2.3 社交媒体中的文本分类 | 第37-40页 |
第3章 社交媒体中话题相关的用户影响力分析 | 第40-60页 |
3.1 引言 | 第40-41页 |
3.2 问题描述 | 第41-44页 |
3.2.1 用户话题影响力的研究问题阐述 | 第42-43页 |
3.2.2 微博网络定义 | 第43页 |
3.2.3 微博话题定义 | 第43-44页 |
3.2.4 时间影响力定义 | 第44页 |
3.2.5 话题相关影响力用户发现问题定义 | 第44页 |
3.3 用户话题相关影响力分析 | 第44-50页 |
3.3.1 用户话题时间影响力模型 | 第44-46页 |
3.3.2 模型参数推断 | 第46-47页 |
3.3.3 用户时间影响力计算 | 第47-48页 |
3.3.4 在线的用户话题时间影响力模型 | 第48-50页 |
3.4 实验与分析 | 第50-58页 |
3.4.1 数据集 | 第50页 |
3.4.2 实验步骤及参数设置 | 第50-51页 |
3.4.3 定性分析 | 第51-53页 |
3.4.4 定量分析 | 第53-57页 |
3.4.5 参数敏感度 | 第57-58页 |
3.4.6 模型应用 | 第58页 |
3.5 本章小节 | 第58-60页 |
第4章 社交媒体中的突发话题检测 | 第60-76页 |
4.1 引言 | 第60-61页 |
4.2 问题描述 | 第61-62页 |
4.3 突发话题检测模型 | 第62-67页 |
4.3.1 单词突发级别计算 | 第63页 |
4.3.2 基于话题突发级别的突发话题检测模型 | 第63-65页 |
4.3.3 模型参数推断 | 第65-67页 |
4.3.4 基于假设检验的突发话题检测 | 第67页 |
4.4 实验与分析 | 第67-73页 |
4.4.1 数据集 | 第67-68页 |
4.4.2 实验参数设置 | 第68页 |
4.4.3 突发话题案例分析 | 第68-69页 |
4.4.4 准确度和召回率 | 第69-71页 |
4.4.5 话题聚类质量 | 第71-72页 |
4.4.6 模型应用 | 第72-73页 |
4.5 本章小节 | 第73-76页 |
第5章 针对微博话题分类的时间稳定性学习 | 第76-92页 |
5.1 引言 | 第76-77页 |
5.2 数据集介绍 | 第77-79页 |
5.3 问题描述 | 第79-80页 |
5.3.1 特征时间稳定性描述 | 第79-80页 |
5.3.2 特征时间稳定性定义 | 第80页 |
5.4 特征时间稳定性的度量方法 | 第80-84页 |
5.4.1 特征的时间稳定性度量方法 | 第80-82页 |
5.4.2 特征稳定性度量方法的效果评估 | 第82-84页 |
5.5 时间稳定性感知的逻辑回归方法 | 第84-85页 |
5.6 实验与分析 | 第85-90页 |
5.6.1 TSALR方法效果评估 | 第85-87页 |
5.6.2 特征时间稳定性相关的数据分析 | 第87-90页 |
5.7 本章小节 | 第90-92页 |
第6章 结束语 | 第92-98页 |
6.1 论文总结 | 第92-95页 |
6.2 进一步工作 | 第95-98页 |
参考文献 | 第98-116页 |
附录A | 第116-120页 |
附录B | 第120-122页 |
致谢 | 第122-124页 |
攻读博士学位期间发表的论文与研究成果 | 第124页 |