基于新浪微博的营销行为及用户偏好研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文主要研究工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 相关理论和技术介绍 | 第18-27页 |
| 2.1 微博营销理论 | 第18-19页 |
| 2.2 聚类算法 | 第19-21页 |
| 2.2.1 划分方法 | 第19页 |
| 2.2.2 层次方法 | 第19-20页 |
| 2.2.3 基于密度的方法 | 第20页 |
| 2.2.4 基于网格的方法 | 第20页 |
| 2.2.5 聚类算法性能评估 | 第20-21页 |
| 2.3 话题提取算法 | 第21-23页 |
| 2.4 分类算法 | 第23-26页 |
| 2.4.1 k-最近邻 | 第23页 |
| 2.4.2 朴素贝叶斯 | 第23-24页 |
| 2.4.3 决策树 | 第24-25页 |
| 2.4.4 基于规则的分类 | 第25页 |
| 2.4.5 分类器性能评估 | 第25-26页 |
| 2.5 本章总结 | 第26-27页 |
| 第三章 TEBF话题提取算法研究 | 第27-41页 |
| 3.1 算法研究背景 | 第27-29页 |
| 3.2 TEBF算法具体设计 | 第29-35页 |
| 3.2.1 算法整体流程介绍 | 第29-30页 |
| 3.2.2 特征提取 | 第30页 |
| 3.2.3 模糊C均值算法 | 第30-32页 |
| 3.2.4 TEBF话题提取算法 | 第32-35页 |
| 3.3 基于微博数据的算法验证 | 第35-40页 |
| 3.3.1 数据来源 | 第35-36页 |
| 3.3.2 评估指标 | 第36页 |
| 3.3.3 实验及分析 | 第36-40页 |
| 3.4 本章总结 | 第40-41页 |
| 第四章 微博营销行为及用户偏好分析模型 | 第41-66页 |
| 4.1 分析思路 | 第41-42页 |
| 4.2 分析模型设计 | 第42-50页 |
| 4.2.1 发博行为分析模型 | 第42-45页 |
| 4.2.2 好友圈结构分析模型 | 第45-46页 |
| 4.2.3 用户偏好分析模型 | 第46-50页 |
| 4.3 关键模块设计 | 第50-58页 |
| 4.3.1 话题分析模块 | 第50页 |
| 4.3.2 兴趣标签分类模块 | 第50-55页 |
| 4.3.3 行业信息分类模块 | 第55-58页 |
| 4.4 电影微博数据获取 | 第58页 |
| 4.5 基于电影官微的营销行为分析 | 第58-64页 |
| 4.5.1 发博行为分析 | 第59-62页 |
| 4.5.2 好友圈结构分析 | 第62-64页 |
| 4.6 基于电影微博的用户偏好分析 | 第64-65页 |
| 4.7 本章总结 | 第65-66页 |
| 第五章 基于新浪微博的营销行为分析系统 | 第66-74页 |
| 5.1 系统需求与整体架构 | 第66-69页 |
| 5.1.1 系统需求与功能设计 | 第66页 |
| 5.1.2 系统整体架构与模块设计 | 第66-68页 |
| 5.1.3 系统开发环境与运行平台 | 第68-69页 |
| 5.1.4 系统数据库设计 | 第69页 |
| 5.2 系统运行流程与示例 | 第69-73页 |
| 5.3 本章总结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 论文工作总结 | 第74-75页 |
| 6.2 进一步的研究工作 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录1 论文使用缩写说明 | 第80-81页 |
| 致谢 | 第81-82页 |
| 攻读学位期间发表或已录用的学术论文 | 第82页 |
