| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 课题背景和意义 | 第9-12页 |
| 1.1.1 课题背景 | 第9-10页 |
| 1.1.2 研究目的和意义 | 第10-12页 |
| 1.2 相关研究及分析 | 第12-19页 |
| 1.2.1 微博消费意图的定义和相关概念 | 第12-14页 |
| 1.2.2 基于搜索引擎和网页内容的在线广告研究 | 第14-18页 |
| 1.2.3 基于社会媒体的营销与口碑研究 | 第18-19页 |
| 1.3 本文主要研究内容及章节安排 | 第19-20页 |
| 第2章 基于 Bootstrapping 的外部消费意图资源挖掘 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 Bootstrapping 原理简介 | 第20-21页 |
| 2.3 基于 Bootstrapping 的外部消费意图资源挖掘 | 第21-27页 |
| 2.3.1 外部消费意图资源可用性分析 | 第22-23页 |
| 2.3.2 外部消费意图资源候选的抽取 | 第23-25页 |
| 2.3.3 初始种子集合的获取 | 第25页 |
| 2.3.4 基于 Bootstrapping 方法迭代挖掘外部消费意图资源 | 第25-27页 |
| 2.4 实验结果与分析 | 第27-31页 |
| 2.4.1 实验数据 | 第27-28页 |
| 2.4.2 评价方法 | 第28-29页 |
| 2.4.3 结果与分析 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于图模型的消费意图微博挖掘 | 第32-46页 |
| 3.1 引言 | 第32页 |
| 3.2 图模型简介 | 第32-35页 |
| 3.2.1 PageRank 算法 | 第32-33页 |
| 3.2.2 TextRank 算法 | 第33-35页 |
| 3.2.3 RelevanceRank 算法 | 第35页 |
| 3.3 微博图和 CIRank 算法 | 第35-37页 |
| 3.4 微博图的节点的初始化 | 第37-39页 |
| 3.4.1 节点的选择 | 第37-39页 |
| 3.4.2 节点的赋权 | 第39页 |
| 3.5 微博图的边权重的计算 | 第39-41页 |
| 3.5.1 Jaccard 系数 | 第39-40页 |
| 3.5.2 余弦相似度 | 第40页 |
| 3.5.3 消费意图相似度 | 第40-41页 |
| 3.6 实验结果与分析 | 第41-45页 |
| 3.6.1 实验数据 | 第41-42页 |
| 3.6.2 评价方法 | 第42页 |
| 3.6.3 结果与分析 | 第42-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第4章 基于 SVM 分类器的消费意图微博分类 | 第46-58页 |
| 4.1 引言 | 第46页 |
| 4.2 SVM 分类原理简介 | 第46-47页 |
| 4.3 基于迁移学习的微博消费意图分类 | 第47-49页 |
| 4.3.1 迁移学习的概念 | 第48页 |
| 4.3.2 基于迁移学习的微博消费意图分类 | 第48-49页 |
| 4.4 基于多特征融合的微博消费意图识别 | 第49-54页 |
| 4.4.1 预处理 | 第50-52页 |
| 4.4.2 基于多特征融合的微博消费意图识别 | 第52-54页 |
| 4.5 实验结果与分析 | 第54-57页 |
| 4.5.1 实验数据 | 第54-55页 |
| 4.5.2 评价方法 | 第55-56页 |
| 4.5.3 结果与分析 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |
