基于微博关系结构的主题挖掘算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 选题背景 | 第13-14页 |
| 1.2 选题意义 | 第14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.3.1 国内研究现状 | 第14-15页 |
| 1.3.2 国外研究现状 | 第15-16页 |
| 1.4 本文主要工作 | 第16-17页 |
| 1.5 本文的组织结构 | 第17-18页 |
| 第2章 微博挖掘相关算法研究与概述 | 第18-24页 |
| 2.1 基于VSM的挖掘算法 | 第18-19页 |
| 2.1.1 TF-IDF算法 | 第18-19页 |
| 2.1.2 N-gram算法 | 第19页 |
| 2.1.3 LSA算法 | 第19页 |
| 2.2 概率语言模型算法 | 第19-23页 |
| 2.2.1 PLSA算法 | 第19-20页 |
| 2.2.2 LDA算法 | 第20-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 微博主题挖掘算法研究 | 第24-53页 |
| 3.1 微博的主题研究 | 第24-26页 |
| 3.2 推特的关系结构研究 | 第26-32页 |
| 3.2.1 用户关系结构研究与定义 | 第26-29页 |
| 3.2.2 推文关系结构研究与定义 | 第29-32页 |
| 3.3 基于微博关系结构的ReLDA模型 | 第32-36页 |
| 3.4 基于ReLDA模型的模型求解 | 第36-44页 |
| 3.4.1 马尔可夫链 | 第36-38页 |
| 3.4.2 参数推导 | 第38-40页 |
| 3.4.3 算法实现 | 第40-44页 |
| 3.5 挖掘实验及实验结果分析 | 第44-52页 |
| 3.5.1 实验准备 | 第44-45页 |
| 3.5.2 算法挖掘结果 | 第45-46页 |
| 3.5.3 微博关系结构对算法结果的影响 | 第46-48页 |
| 3.5.4 评价标准与对比算法 | 第48-50页 |
| 3.5.5 对比结果 | 第50-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第4章 主题挖掘算法的应用性研究 | 第53-69页 |
| 4.1 应用性系统需求分析 | 第53-54页 |
| 4.2 用户需求分析 | 第54-55页 |
| 4.3 应用性原型系统设计与实现 | 第55-68页 |
| 4.3.1 系统框架 | 第55-56页 |
| 4.3.2 主题挖掘模块设计与实现 | 第56-62页 |
| 4.3.3 主题展示模块设计与实现 | 第62-68页 |
| 4.4 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第75-76页 |
| 附录B 攻读学位期间所获得的软件著作权 | 第76页 |
