基于社交网络的用户性格与行为分析
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 社交网络国内外研究现状 | 第11-14页 |
| 1.3 本文主要研究内容及意义 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第二章 社交网络简介及数据的获取 | 第16-26页 |
| 2.1 社交网络的理论基础 | 第16-17页 |
| 2.1.1 六度分割理论 | 第16-17页 |
| 2.1.2 150定律 | 第17页 |
| 2.2 国内社交网络的发展现状 | 第17-19页 |
| 2.3 社交网络用户数据的获取 | 第19-26页 |
| 2.3.1 社交网络的网页特点 | 第19-20页 |
| 2.3.2 网络爬虫获取用户数据 | 第20-22页 |
| 2.3.3 使用OAuth认证获取用户数据 | 第22-26页 |
| 第三章 基于人人网构建性格测试平台 | 第26-41页 |
| 3.1 性格测试量表设计 | 第26-34页 |
| 3.1.1 测试量表的选择 | 第26-27页 |
| 3.1.2 测试题目的设计 | 第27-28页 |
| 3.1.3 测试成绩的计算 | 第28-29页 |
| 3.1.4 测试结果的反馈 | 第29-34页 |
| 3.2 基于人人网的在线测试平台的搭建 | 第34-41页 |
| 3.2.1 前端页面的展示 | 第35-38页 |
| 3.2.2 后台服务的搭建 | 第38-41页 |
| 第四章 社交网站用户数据的处理 | 第41-52页 |
| 4.1 数据处理及分析的框架 | 第41-42页 |
| 4.2 用户行为统计数据的计算 | 第42-43页 |
| 4.3 用户日志、状态、评论内容的分词 | 第43-48页 |
| 4.3.1 社交网络中分词所面临的挑战 | 第43-44页 |
| 4.3.2 现有的分词算法的种类 | 第44-48页 |
| 4.4 根据词语来源进行权重的调整 | 第48-49页 |
| 4.5 利用Hadoop对分词结果进行词频统计 | 第49-52页 |
| 第五章 用户性格与个人属性的预测 | 第52-64页 |
| 5.1 对分词的词语的权重的调整 | 第52-54页 |
| 5.1.1 去除停用词 | 第52-53页 |
| 5.1.2 TF-IDF算法进行权重修订 | 第53-54页 |
| 5.2 主成分分析法对矩阵进行降维 | 第54-57页 |
| 5.3 利用决策树算法进行分类 | 第57-59页 |
| 5.4 利用线性回归算法进行预测 | 第59-60页 |
| 5.5 验证及结论 | 第60-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 工作内容总结 | 第64-65页 |
| 6.2 不足与展望 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表学术论文目录 | 第69页 |
