摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 引言 | 第10-16页 |
1.1 课题研究背景和意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-14页 |
1.2.1 基于用户属性关系的分析方法研究现状 | 第12页 |
1.2.2 基于网络传播的分析方法 | 第12-13页 |
1.2.3 基于文本信息交互的分析方法 | 第13-14页 |
1.3 问题的提出 | 第14页 |
1.4 本文主要研究内容和组织结构 | 第14-16页 |
1.4.1 本文主要研究内容 | 第14-15页 |
1.4.2 本文组织结构 | 第15-16页 |
第2章 相关理论和技术 | 第16-32页 |
2.1 数据获取和预处理 | 第16-22页 |
2.1.1 数据获取 | 第16-19页 |
2.1.2 数据的预处理 | 第19-22页 |
2.2 文本分词 | 第22-25页 |
2.2.1 HOWNET情感分析词集 | 第22-23页 |
2.2.2 NLPIR-ICTCLAS2015汉语分词系统 | 第23-25页 |
2.3 层次分析法 | 第25-30页 |
2.3.1 AHP法基本原理 | 第26-30页 |
2.4 本章小结 | 第30-32页 |
第3章 基于改进后的TFN-AHP的微博用户属性特征提取算法 | 第32-46页 |
3.1 传统TFN-AHP算法 | 第32-35页 |
3.1.1 模糊集的概念 | 第32-33页 |
3.1.2 算法存在问题 | 第33-35页 |
3.2 改进后的TFN-AHP算法 | 第35-38页 |
3.2.1 算法改进 | 第35-38页 |
3.2.2 算法时间复杂度和空间复杂度分析 | 第38页 |
3.3 微博用户属性的特征提取 | 第38-44页 |
3.3.1 基于改进后的TFN-AHP算法的微博用户属性提取 | 第38-42页 |
3.3.2 与传统TFN-AHP算法结果比较 | 第42-44页 |
3.4 本章小结 | 第44-46页 |
第4章 基于微博信息传播的微博用户影响力分析算法 | 第46-60页 |
4.1 微博信息的传播规律分析 | 第46-48页 |
4.2 算法构建 | 第48-53页 |
4.2.1 算法流程图 | 第48页 |
4.2.2 微博的基本属性 | 第48-49页 |
4.2.3 转发和评论某条微博的微博集合 | 第49-50页 |
4.2.4 微博信息被转发和评论的累积数量变化分析 | 第50-51页 |
4.2.5 初始影响力 | 第51-52页 |
4.2.6 排除恶意注册用户 | 第52页 |
4.2.7 参数估计 | 第52-53页 |
4.3 实验与结果分析 | 第53-57页 |
4.4 本章小结 | 第57-60页 |
第5章 基于词性标注序列模式匹配的微博情感倾向度分析算法 | 第60-84页 |
5.1 微博文本信息特点 | 第60-61页 |
5.2 算法构建 | 第61-71页 |
5.2.1 算法流程 | 第61-62页 |
5.2.2 文本分词标注 | 第62-64页 |
5.2.3 化简词性标注序列 | 第64-66页 |
5.2.4 模式匹配 | 第66-71页 |
5.2.5 计算微博文本情感倾向度 | 第71页 |
5.3 时间复杂度分析 | 第71-72页 |
5.4 实验结果与分析 | 第72-81页 |
5.5 本章小结 | 第81-84页 |
第6章 特定话题下基于时间窗口的微博意见领袖挖掘算法 | 第84-96页 |
6.1 特定话题下的用户影响力与时间的关系 | 第84-85页 |
6.2 算法构建 | 第85-87页 |
6.2.1 算法流程图 | 第85页 |
6.2.2 时间窗口的划分 | 第85-86页 |
6.2.3 计算时间窗口下的用户影响力 | 第86页 |
6.2.4 意见领袖候选集合的情感筛选 | 第86-87页 |
6.3 实验结果与分析 | 第87-94页 |
6.3.1 实验数据与步骤 | 第87-92页 |
6.3.2 结果分析 | 第92-94页 |
6.4 本章小结 | 第94-96页 |
第7章 总结与展望 | 第96-98页 |
7.1 本文工作与总结 | 第96页 |
7.2 后期工作及展望 | 第96-98页 |
参考文献 | 第98-102页 |
在学位期间发表的学术成果及获奖情况 | 第102-104页 |
致谢 | 第104-106页 |
附录A | 第106-118页 |
附录B | 第118-126页 |