基于用户与消息特征的微博转发预测模型研究
| 摘要 | 第4-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-16页 |
| 1.1.1 研究背景 | 第13-15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 研究现状 | 第16-18页 |
| 1.3 本文的结构与内容 | 第18-21页 |
| 第2章 数据获取技术 | 第21-31页 |
| 2.1 网络爬虫技术 | 第21-25页 |
| 2.2 新浪微博开放平台 | 第25-26页 |
| 2.3 两种数据获取方法的对比 | 第26-28页 |
| 2.4 数据预处理 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 微博转发的用户特征影响因素 | 第31-41页 |
| 3.1 用户影响力对微博转发的预测 | 第31-35页 |
| 3.1.1 基本思想 | 第31-32页 |
| 3.1.2 算法实现 | 第32-33页 |
| 3.1.3 实验分析 | 第33-35页 |
| 3.2 粉丝平均标签数对微博转发的预测 | 第35-39页 |
| 3.2.1 基本思想 | 第35-36页 |
| 3.2.2 算法实现 | 第36-37页 |
| 3.2.3 实验分析 | 第37-39页 |
| 3.3 粉丝活跃度对微博转发的预测 | 第39-40页 |
| 3.3.1 基本思想 | 第39-40页 |
| 3.3.2 实验分析 | 第40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 微博转发的消息特征影响因素 | 第41-57页 |
| 4.1 内容特征 | 第41-47页 |
| 4.1.1 基本特征 | 第42-43页 |
| 4.1.2 情感特征 | 第43-47页 |
| 4.2 时间戳 | 第47-48页 |
| 4.3 LDA文档主题生成模型 | 第48-55页 |
| 4.3.1 定义 | 第49-50页 |
| 4.3.2 LDA核心公式 | 第50页 |
| 4.3.3 LDA学习过程 | 第50-51页 |
| 4.3.4 LDA模型训练及预测实验分析 | 第51-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 基于用户与消息特征的逻辑回归预测模型 | 第57-67页 |
| 5.1 分类模型介绍 | 第57-60页 |
| 5.2 模型分析 | 第60-62页 |
| 5.3 结果分析 | 第62-66页 |
| 5.3.1 权重训练 | 第62-64页 |
| 5.3.2 权重分析 | 第64-65页 |
| 5.3.3 转发预测 | 第65-66页 |
| 5.4 评价标准 | 第66页 |
| 5.5 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 论文总结 | 第67页 |
| 6.2 未来展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文 | 第73-74页 |
| 致谢 | 第74页 |
