基于相关背景图的主题微博用户发现方法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 1. 绪论 | 第8-14页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·本文主要研究内容及组织结构 | 第13页 |
| ·小结 | 第13-14页 |
| 2. 爬行技术的基本知识 | 第14-16页 |
| ·超链接、URL 与锚文本 | 第14页 |
| ·网页内容的提取 | 第14页 |
| ·网页主要内容的提取 | 第14-15页 |
| ·切词、分词与单词过滤 | 第15页 |
| ·小结 | 第15-16页 |
| 3. 相关背景图的研究 | 第16-21页 |
| ·相关背景图来源以及原理 | 第16-19页 |
| ·相关背景图 | 第19-20页 |
| ·小结 | 第20-21页 |
| 4. 相关背景图的改进 | 第21-50页 |
| ·基于链接路径的相关背景图的改进 | 第21-34页 |
| ·相关背景图在链接上存在的缺陷 | 第21-22页 |
| ·改进思路 | 第22-23页 |
| ·改进方法 | 第23-27页 |
| ·算法举例说明 | 第27-30页 |
| ·基于链接路径的相关背景图的改进实验结果 | 第30-34页 |
| ·基于网页语义上的相关背景图的改进 | 第34-47页 |
| ·HowNet 的相关预备知识 | 第35-37页 |
| ·单词的相似性计算 | 第37-39页 |
| ·文档的相似性 | 第39页 |
| ·重新定义相关性信任度 TDR | 第39-41页 |
| ·扩展主题特征词 | 第41-43页 |
| ·基于网页语义上的相关背景图的改进实验结果 | 第43-47页 |
| ·构建爬行框架 | 第47-49页 |
| ·训练通用语言模型 | 第48页 |
| ·构建改进的相关背景图 | 第48页 |
| ·训练主题语言模型 | 第48页 |
| ·分类待访问网页 | 第48-49页 |
| ·小结 | 第49-50页 |
| 5. 发现与主题相关的微博用户 | 第50-62页 |
| ·微博的基本知识 | 第50页 |
| ·微博中的隐藏信息 | 第50-55页 |
| ·相关背景图的应用 | 第55页 |
| ·主题传播者模型的构建 | 第55-56页 |
| ·主题相关用户的收集框架 | 第56-58页 |
| ·实验以及评价 | 第58-61页 |
| ·构造实验数据集 | 第58页 |
| ·评价指标 | 第58-59页 |
| ·实验结果与分析 | 第59-61页 |
| ·小结 | 第61-62页 |
| 结论与展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士期间发表的论文及成果 | 第67-68页 |
| 致谢 | 第68-69页 |
