基于微博社区的意见领袖发现方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 社区发现研究现状 | 第10-13页 |
| 1.2.2 节点影响力研究现状 | 第13-14页 |
| 1.3 本文的研究内容和重点 | 第14-15页 |
| 1.4 本文的结构安排 | 第15-16页 |
| 2 相关知识 | 第16-23页 |
| 2.1 社会网络分析理论 | 第16-18页 |
| 2.1.1 社会网络相关概念 | 第16-17页 |
| 2.1.2 社交网络分析方法 | 第17-18页 |
| 2.2 文本模型化与LDA主题模型 | 第18-21页 |
| 2.2.1 文本模型化 | 第18-19页 |
| 2.2.2 LDA主题模型 | 第19-21页 |
| 2.3 社交网络中影响强度计算 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于用户核心度的重叠社区标签传播算法 | 第23-32页 |
| 3.1 标签传播算法 | 第23-27页 |
| 3.2 核心-边缘结构 | 第27页 |
| 3.3 用户核心度 | 第27-29页 |
| 3.3.1 节点度和集聚系数 | 第27-28页 |
| 3.3.2 用户主题偏好指标 | 第28页 |
| 3.3.3 用户核心度 | 第28-29页 |
| 3.4 基于用户核心度的重叠社区发现 | 第29-30页 |
| 3.5 模块度指标 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 4 基于子话题相似度的意见领袖发现方法 | 第32-42页 |
| 4.1 随机游走思想和PageRank算法 | 第32-33页 |
| 4.2 微博网络构建思想 | 第33-34页 |
| 4.3 LDA模型子话题分类 | 第34-37页 |
| 4.3.1 HowNet知识库 | 第34-35页 |
| 4.3.2 LDA的子话题类别中特征词提取 | 第35-36页 |
| 4.3.3 类别特征词的微博子话题分类 | 第36-37页 |
| 4.4 微博用户子话题兴趣相似度计算 | 第37-38页 |
| 4.5 用户初始影响力 | 第38-40页 |
| 4.5.1 主题领域活力 | 第39页 |
| 4.5.2 主题领域偏好 | 第39-40页 |
| 4.5.3 用户初始影响力 | 第40页 |
| 4.6 TopicSimilarRank算法 | 第40页 |
| 4.7 本章小结 | 第40-42页 |
| 5 实验及结果分析 | 第42-56页 |
| 5.1 实验环境 | 第42页 |
| 5.2 实验数据集 | 第42-44页 |
| 5.3 实验数据准备 | 第44-46页 |
| 5.4 UCLPA重叠社区发现实验 | 第46-48页 |
| 5.5 TopicSimilarRank算法实验 | 第48-55页 |
| 5.6 本章小结 | 第55-56页 |
| 结论与展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表论文及科研成果 | 第60-61页 |
| 致谢 | 第61-62页 |
