| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题研究背景 | 第12页 |
| 1.2 课题研究意义 | 第12-13页 |
| 1.3 用户兴趣建模研究现状 | 第13-17页 |
| 1.3.1 用户兴趣模型简介 | 第13-16页 |
| 1.3.2 研究现状 | 第16-17页 |
| 1.4 问题提出 | 第17页 |
| 1.5 本文主要内容和组织结构 | 第17-20页 |
| 1.5.1 主要内容 | 第17-19页 |
| 1.5.2 组织结构 | 第19-20页 |
| 第二章 基于权重微博链的改进LDA微博主题模型 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 主题模型构建 | 第20-24页 |
| 2.2.1 权重微博链 | 第20-21页 |
| 2.2.2 LDA主题模型 | 第21-22页 |
| 2.2.3 基于权重微博链的改进LDA主题模型 | 第22-24页 |
| 2.3 仿真实验 | 第24-28页 |
| 2.3.1 实验环境及数据 | 第24页 |
| 2.3.2 实验内容及结果分析 | 第24-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 基于霍克斯过程的潜在因子关系强度模型 | 第30-42页 |
| 3.1 引言 | 第30页 |
| 3.2 霍克斯模型分析 | 第30-32页 |
| 3.2.1 霍克斯模型 | 第31页 |
| 3.2.2 霍克斯模型的适应性分析 | 第31-32页 |
| 3.3 基于霍克斯模型的用户关系强度模型 | 第32-36页 |
| 3.3.1 用户相似度 | 第32页 |
| 3.3.2 用户交互行为 | 第32页 |
| 3.3.3 模型构建 | 第32-36页 |
| 3.4 仿真实验 | 第36-40页 |
| 3.4.1 实验环境及数据 | 第37页 |
| 3.4.2 实验内容及结果分析 | 第37-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 基于用户影响力的微博用户兴趣预测模型 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 基于用户影响力的微博用户兴趣预测模型描述 | 第42-44页 |
| 4.2.1 神经网络结构分析 | 第43页 |
| 4.2.2 基于用户影响力的微博用户兴趣预测模型 | 第43-44页 |
| 4.3 基于用户影响力的微博用户兴趣预测模型的建立 | 第44-47页 |
| 4.3.1 模型的构建 | 第44-45页 |
| 4.3.2 参数设计 | 第45-47页 |
| 4.4 仿真实验 | 第47-50页 |
| 4.4.1 实验平台 | 第47页 |
| 4.4.2 实验数据及预处理 | 第47页 |
| 4.4.3 实验内容结果分析 | 第47-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 全文总结 | 第52页 |
| 5.2 本文的主要创新点 | 第52-53页 |
| 5.3 工作展望 | 第53-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 作者简历 | 第60页 |