| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究内容 | 第10-11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 第二章 社交网络用户行为分析总体框架 | 第12-17页 |
| 2.1 社交网络的定义和发展 | 第12页 |
| 2.2 社交网络用户行为分析 | 第12-13页 |
| 2.3 用户行为分析总体框架 | 第13-16页 |
| 2.3.1 微博数据采集 | 第14-15页 |
| 2.3.2 数据预处理 | 第15页 |
| 2.3.3 数据分析 | 第15-16页 |
| 2.3.4 模型评估 | 第16页 |
| 2.4 本章小结 | 第16-17页 |
| 第三章 新浪微博数据采集 | 第17-33页 |
| 3.1 网络爬虫简单介绍 | 第17-18页 |
| 3.1.1 爬虫基本原理 | 第17页 |
| 3.1.2 爬虫体系架构 | 第17-18页 |
| 3.2 社交网站中用户行为图谱 | 第18-19页 |
| 3.3 微博爬虫需求分析 | 第19页 |
| 3.4 爬虫系统的设计与实现 | 第19-26页 |
| 3.4.1 微博模拟登录获取cookie | 第20-21页 |
| 3.4.2 网页解析 | 第21页 |
| 3.4.3 爬行策略 | 第21-22页 |
| 3.4.4 URL去重和链接管理 | 第22-23页 |
| 3.4.5 用户基本信息和用户关注信息解析 | 第23-24页 |
| 3.4.6 微博信息解析 | 第24页 |
| 3.4.7 图像和视频数据的采集和存储 | 第24页 |
| 3.4.8 微博数据存储 | 第24-26页 |
| 3.5 基于改进布隆过滤器URL去重 | 第26-30页 |
| 3.5.1 布隆过滤器原理 | 第27页 |
| 3.5.2 布隆过滤器的优缺点 | 第27-28页 |
| 3.5.3 基于改进布隆过滤器URL去重 | 第28-30页 |
| 3.6 爬虫系统测试和分析 | 第30-32页 |
| 3.6.1 测试环境 | 第30页 |
| 3.6.2 爬虫系统功能测试 | 第30-32页 |
| 3.7 本章小结 | 第32-33页 |
| 第四章 基于UR-LDA的微博用户主题挖掘与相似话题聚类 | 第33-52页 |
| 4.1 用户文档表示 | 第33-35页 |
| 4.1.1 向量空间模型 | 第33-34页 |
| 4.1.2 主题模型 | 第34-35页 |
| 4.2 LDA主题模型简介 | 第35-39页 |
| 4.2.1 文本生成过程 | 第35-36页 |
| 4.2.2 理论基础 | 第36-37页 |
| 4.2.3 参数解析 | 第37页 |
| 4.2.4 文件解析 | 第37-39页 |
| 4.3 UR-LDA模型 | 第39-45页 |
| 4.3.1 模型介绍 | 第39-41页 |
| 4.3.2 模型参数选择和估计 | 第41-42页 |
| 4.3.3 模型推导 | 第42-43页 |
| 4.3.4 模型检测 | 第43-45页 |
| 4.4 微博用户相似性话题聚类 | 第45-49页 |
| 4.4.1 k-means聚类算法 | 第46-47页 |
| 4.4.2 相似性话题聚类 | 第47-49页 |
| 4.5 仿真实验及结果分析 | 第49-51页 |
| 4.5.1 实验环境 | 第49页 |
| 4.5.2 结果评估 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 论文工作总结 | 第52页 |
| 5.2 未来研究展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第57-58页 |
| 致谢 | 第58页 |