| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文的主要内容和结构安排 | 第13-14页 |
| 第二章 微博特征挖掘相关分析 | 第14-26页 |
| 2.1 微博文本特征挖掘 | 第14-19页 |
| 2.1.1 文本挖掘简介 | 第14-15页 |
| 2.1.2 文本预处理 | 第15页 |
| 2.1.3 文本特征表示 | 第15-18页 |
| 2.1.4 文本特征选择 | 第18-19页 |
| 2.2 用户行为特征挖掘 | 第19-23页 |
| 2.3 发博时间特征挖掘 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 用户行为预测模型构建 | 第26-38页 |
| 3.1 基于KNN算法的预测模型 | 第26-29页 |
| 3.1.1 KNN算法 | 第26页 |
| 3.1.2 KNN算法预测模型的构建 | 第26-29页 |
| 3.2 KNN算法预测模型存在的问题 | 第29-30页 |
| 3.3 基于加权KNN算法的预测模型 | 第30-35页 |
| 3.3.1 距离加权的KNN预测模型构建 | 第30-31页 |
| 3.3.2 FCM算法 | 第31-32页 |
| 3.3.3 基于可能性分布的聚类有效性 | 第32-33页 |
| 3.3.4 FCM加权的KNN预测模型构建 | 第33-35页 |
| 3.4 预测效果评价指标 | 第35-37页 |
| 3.4.1 查准率、查全率和F1值 | 第35-36页 |
| 3.4.2 整体评分 | 第36-37页 |
| 3.4.3 其他指标 | 第37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 实验设计与分析 | 第38-51页 |
| 4.1 实验数据 | 第38页 |
| 4.2 实验环境 | 第38页 |
| 4.3 实验设计 | 第38-42页 |
| 4.3.1 评价方法 | 第38-39页 |
| 4.3.2 实验方案 | 第39-42页 |
| 4.4 实验结果及分析 | 第42-50页 |
| 4.4.1 基于KNN算法的预测结果及分析 | 第42-43页 |
| 4.4.2 基于距离加权KNN算法的预测结果及分析 | 第43页 |
| 4.4.3 基于FCM加权KNN算法的预测结果及分析 | 第43-46页 |
| 4.4.4 三种预测算法结果分析比较 | 第46-50页 |
| 4.5 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间取得的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
| 附件 | 第59页 |