社交网络中的数据挖掘与分析
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究的背景、目的和意义 | 第9-10页 |
| 1.2 国内外技术研究概况 | 第10页 |
| 1.3 数据挖掘简介 | 第10-11页 |
| 1.4 数据挖掘功能 | 第11-12页 |
| 1.5 本论文的主要研究内容及结构安排 | 第12-14页 |
| 第2章 微博短文本分析和处理技术 | 第14-26页 |
| 2.1 微博的特点 | 第14-15页 |
| 2.2 微博短文本的文本分析 | 第15-21页 |
| 2.2.1 文本数据预处理技术 | 第15-18页 |
| 2.2.2 短文本文本表示方法VSM基础 | 第18-20页 |
| 2.2.3 相似度衡量 | 第20-21页 |
| 2.3 话题发现的经典聚类算法 | 第21-25页 |
| 2.3.1 single-pass算法 | 第21-22页 |
| 2.3.2 K-means算法 | 第22-23页 |
| 2.3.3 BIRCH算法 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 微博数据集的获取 | 第26-33页 |
| 3.1 爬虫简介 | 第26页 |
| 3.2 爬虫原理 | 第26-29页 |
| 3.2.1 爬虫的基本框架 | 第26-27页 |
| 3.2.2 爬虫的搜索策略 | 第27-29页 |
| 3.3 爬虫获取微博数据 | 第29-31页 |
| 3.3.1 注册中国爬盟账号 | 第29-30页 |
| 3.3.2 下载中国爬盟软件 | 第30-31页 |
| 3.4 运用新浪微博API数据获取 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 微博短文本的处理和话题发现 | 第33-54页 |
| 4.1 引言 | 第33页 |
| 4.2 短文本特征扩展 | 第33-39页 |
| 4.2.1 创建特征共现集 | 第34-35页 |
| 4.2.2 特征扩展算法描述 | 第35页 |
| 4.2.3 语义分析方法 | 第35-37页 |
| 4.2.4 实验和结果分析 | 第37-39页 |
| 4.3 话题发现流程 | 第39-40页 |
| 4.4 话题发现技术 | 第40-53页 |
| 4.4.1 文本聚类算法及比较 | 第40-43页 |
| 4.4.2 改进的增量聚类算法 | 第43-47页 |
| 4.4.3 实验和结果分析 | 第47-53页 |
| 4.5 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间所发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |
