基于情绪和兴趣的微博用户访问行为预测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 微博用户行为预测 | 第8-10页 |
| 1.2.2 微博短文本情感与兴趣 | 第10-12页 |
| 1.3 本文主要工作与创新点 | 第12-13页 |
| 1.4 论文的主要框架和内容 | 第13-14页 |
| 第二章 相关理论基础研究 | 第14-27页 |
| 2.1 微博短文本 | 第14-15页 |
| 2.2 微博短文本情感分析 | 第15-17页 |
| 2.2.1 数据集提取 | 第15-16页 |
| 2.2.2 微博文本预处理 | 第16-17页 |
| 2.3 微博用户兴趣 | 第17-21页 |
| 2.3.1 用户兴趣表征方式 | 第18-19页 |
| 2.3.2 微博用户兴趣分类方法 | 第19-20页 |
| 2.3.3 LDA主题模型 | 第20-21页 |
| 2.4 微博用户行为 | 第21-26页 |
| 2.4.1 社交网络中的用户行为 | 第21-22页 |
| 2.4.2 社交网络用户行为的特点 | 第22-23页 |
| 2.4.3 用户发布微博的数量和频率 | 第23-24页 |
| 2.4.4 用户转发、评论及点赞行为分析 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 用户访问行为预测特征分析 | 第27-35页 |
| 3.1 用户特征 | 第27页 |
| 3.2 情感特征 | 第27-30页 |
| 3.2.1 情感词识别 | 第27-29页 |
| 3.2.2 表情、标点符号及否定词特征 | 第29-30页 |
| 3.2.3 词性特征 | 第30页 |
| 3.3 兴趣特征 | 第30-34页 |
| 3.3.1 用户标签特征 | 第30-31页 |
| 3.3.2 LDA主题特征 | 第31-32页 |
| 3.3.3 基于改进TF-IDF兴趣关键词提取 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 用户访问行为预测模型构建 | 第35-41页 |
| 4.1 情感特征提取模型 | 第35-36页 |
| 4.2 用户兴趣模型 | 第36-39页 |
| 4.2.1 用户长期兴趣 | 第37页 |
| 4.2.2 用户当前兴趣 | 第37-38页 |
| 4.2.3 用户兴趣融合 | 第38-39页 |
| 4.3 微博用户访问行为预测模型 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 实验数据与结果分析 | 第41-46页 |
| 5.1 数据集与评价指标 | 第41-42页 |
| 5.1.1 数据集说明介绍 | 第41页 |
| 5.1.2 评估和预测 | 第41-42页 |
| 5.2 微博短文本情感实验结果与分析 | 第42页 |
| 5.3 用户兴趣提取实验结果与分析 | 第42-43页 |
| 5.4 微博用户行为预测结果与分析 | 第43-45页 |
| 5.4.1 特征选取对比实验 | 第43-44页 |
| 5.4.2 常见分类器对比实验结果分析 | 第44-45页 |
| 5.5 本章小结 | 第45-46页 |
| 第六章 总结和展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 在学研究成果 | 第51-52页 |
| 致谢 | 第52页 |
