摘要 | 第1-4页 |
Abstract | 第4-10页 |
第1章 绪论 | 第10-22页 |
·微博客简介及其发展现状 | 第10-14页 |
·微博的渊源与发展 | 第10-12页 |
·主流微博服务平台及其功能简介 | 第12-14页 |
·微博平台的用户结构和内容分析 | 第14-17页 |
·微博平台上的网络结构 | 第14-15页 |
·微博平台上的用户分类 | 第15-16页 |
·微博平台上的内容分析 | 第16-17页 |
·微博客上的热点话题 | 第17-21页 |
·热点话题的表现形式及其内容 | 第18-19页 |
·热点话题的传播模式 | 第19-20页 |
·热点话题发现技术的现实意义 | 第20-21页 |
·本文组织 | 第21页 |
·本章小结 | 第21-22页 |
第2章 相关工作及研究进展 | 第22-34页 |
·基于词频的热点话题发现方法 | 第22-24页 |
·微博平台上的相关研究 | 第24-26页 |
·微博焦点用户研究相关工作 | 第24-25页 |
·用户之间的共同兴趣和社区关系 | 第25-26页 |
·传统文本处理方法在微博领域应用的相关工作 | 第26-29页 |
·自动化文本分类及常见分类方法简介 | 第26-27页 |
·文本分类在热点话题发现中的应用 | 第27-29页 |
·语义分析方法相关工作 | 第29-31页 |
·潜在语义索引方法及其数学基础 | 第29-31页 |
·潜在语义索引方法在微博内容分析上的应用研究 | 第31页 |
·现有工作的特点和本文的研究改进思路 | 第31-32页 |
·本章小结 | 第32-34页 |
第3章 基于语义分析的迭代式热点话题发现策略 | 第34-47页 |
·对热点话题的定义和度量 | 第34-37页 |
·单条微博的影响力定义 | 第35页 |
·话题的影响力和热度 | 第35-37页 |
·微博讨论树合并算法 | 第37-41页 |
·讨论树分析和内容合并处理算法 | 第37-40页 |
·其他合并处理方法 | 第40-41页 |
·基于语义分析和词语聚集的高影响力话题发现方法 | 第41-43页 |
·基于LSI的话题空间分离计算 | 第41页 |
·同话题下的词语聚集算法 | 第41-43页 |
·TopicRank:一个迭代式话题热度变化趋势发现方法 | 第43-45页 |
·热点话题影响力估算方法 | 第43-44页 |
·两代话题集合的影响力变化趋势计算方法 | 第44-45页 |
·本章小结 | 第45-47页 |
第4章 整合社交网络信息协助发现热点话题 | 第47-55页 |
·微博平台上的用户自身度量指标分析 | 第47-49页 |
·用户节点可利用信息分析 | 第47-48页 |
·用户自身的度量指标构造 | 第48-49页 |
·用户的角色定位 | 第49-51页 |
·焦点用户 | 第49页 |
·活跃用户 | 第49-50页 |
·一般用户 | 第50页 |
·休眠用户 | 第50-51页 |
·通过特征计算划分用户角色 | 第51-52页 |
·TopicRank-U:基于角色信息辅助的热点话题发现 | 第52-53页 |
·用户角色对于话题讨论树的影响 | 第52页 |
·引入用户角色的讨论树影响力计算算法描述 | 第52-53页 |
·本章小结 | 第53-55页 |
第5章 微博客热点话题发现系统架构 | 第55-61页 |
·系统整体架构 | 第55-56页 |
·内容预处理模块和社交网络辅助信息模块的设计 | 第56-58页 |
·语义分析模块设计 | 第58-59页 |
·话题迭代排序模块设计 | 第59-60页 |
·整合输出模块设计 | 第60页 |
·本章小结 | 第60-61页 |
第6章 测试和实验 | 第61-65页 |
·测试方法介绍和数据准备 | 第61页 |
·测试方法介绍 | 第61页 |
·实验数据准备 | 第61页 |
·语义分析方法与词频排序方法的热点话题发现对比测试 | 第61-62页 |
·TopicRank在话题热度的变化趋势预测上的有效性验证 | 第62-63页 |
·TopicRank-U的热点话题发现速率测试 | 第63-64页 |
·本章小结 | 第64-65页 |
第7章 总结与展望 | 第65-67页 |
·本文的主要工作和创新点 | 第65-66页 |
·未来的研究工作展望 | 第66-67页 |
参考文献 | 第67-69页 |
攻读硕士学位期间主要的研究成果 | 第69-70页 |
致谢 | 第70-71页 |