| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 主题挖掘模型概述 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 研究内容 | 第11-12页 |
| 1.5 文章组织结构 | 第12-13页 |
| 第二章 相关工作 | 第13-27页 |
| 2.1 社交网络 | 第13-14页 |
| 2.1.1 社交网络 | 第13页 |
| 2.1.2 新浪微博 | 第13-14页 |
| 2.2 文本挖掘模型 | 第14-19页 |
| 2.2.1 VSM | 第14-15页 |
| 2.2.2 TF-IDF | 第15-16页 |
| 2.2.3 LSA | 第16页 |
| 2.2.4 PLSA | 第16-19页 |
| 2.3 主题挖掘模型 | 第19-23页 |
| 2.3.1 LDA文本生成模型 | 第19-20页 |
| 2.3.2 LDA模型参数求解 | 第20-23页 |
| 2.4 个性化推荐 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于mixture LDA的主题挖掘模型 | 第27-37页 |
| 3.1 模型定义 | 第27-29页 |
| 3.1.1 新浪微博特征分析 | 第27-28页 |
| 3.1.2 mixture LDA模型相关参数定义 | 第28-29页 |
| 3.2 mixtureLDA主题模型 | 第29-32页 |
| 3.2.1 mixture LDA贝叶斯图模型 | 第30-31页 |
| 3.2.2 mixture LDA生成微博过程 | 第31-32页 |
| 3.3 mixtureLDA模型参数求解 | 第32-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 基于mixture LDA的主题模型实现与应用 | 第37-47页 |
| 4.1 模型设计架构 | 第37-38页 |
| 4.2 数据采集 | 第38-41页 |
| 4.2.1 新浪微博开放平台API | 第38页 |
| 4.2.2 数据集表结构设计 | 第38-39页 |
| 4.2.3 数据采集算法 | 第39-41页 |
| 4.3 微博分类算法 | 第41-43页 |
| 4.3.1 语料库建设 | 第41-42页 |
| 4.3.2 微博分类算法 | 第42-43页 |
| 4.4 mixtureLDA模型实现 | 第43-44页 |
| 4.5 个性化推荐应用 | 第44-47页 |
| 第五章 实验与分析 | 第47-55页 |
| 5.1 实验环境 | 第47页 |
| 5.2 主题模型实验结果与分析 | 第47-52页 |
| 5.2.1 mixture LDA模型训练集结果 | 第47-49页 |
| 5.2.2 mixture LDA模型测试集结果 | 第49-50页 |
| 5.2.3 主题模型对比实验结果 | 第50-52页 |
| 5.3 个性化推荐模型结果与对比 | 第52-55页 |
| 5.3.1 基于用户基础属性的用户推荐 | 第52页 |
| 5.3.2 基于主题属性的用户推荐 | 第52-53页 |
| 5.3.3 推荐模型的对比实验 | 第53-55页 |
| 第六章 总结与展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录1 攻读硕士学位期间申请的专利 | 第58-59页 |
| 致谢 | 第59页 |