| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 引言 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文的主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 相关理论与技术 | 第16-27页 |
| 2.1 聚类算法 | 第16-21页 |
| 2.1.1 simhash 算法 | 第16-18页 |
| 2.1.2 K-Means 算法 | 第18-19页 |
| 2.1.3 DBSCAN 算法 | 第19-20页 |
| 2.1.4 聚类效果评测指标 | 第20-21页 |
| 2.2 分类算法 | 第21-26页 |
| 2.2.1 决策树算法 | 第22-23页 |
| 2.2.2 SVM 算法 | 第23-24页 |
| 2.2.3 分类评测指标 | 第24-26页 |
| 2.3 小结 | 第26-27页 |
| 第三章 检测系统总体设计 | 第27-36页 |
| 3.1 垃圾微博定义 | 第27-29页 |
| 3.2 微博垃圾大规模爆发的检测需求 | 第29-30页 |
| 3.3 检测系统的设计目标 | 第30页 |
| 3.4 检测系统框架设计 | 第30-34页 |
| 3.4.1 信息采集模块设计 | 第31-33页 |
| 3.4.2 文本聚类模块设计 | 第33页 |
| 3.4.3 文本分类模块设计 | 第33-34页 |
| 3.5 系统关键术语定义 | 第34-35页 |
| 3.6 小结 | 第35-36页 |
| 第四章 关键算法的设计与实现 | 第36-66页 |
| 4.1 算法设计目标 | 第36页 |
| 4.2 基于微博文本的特征提取及特征权重设置方法 | 第36-44页 |
| 4.2.1 传统的 simhash 方法在微博文本应用的不足 | 第36-38页 |
| 4.2.2 基于文本连续分块的特征提取方法 | 第38-39页 |
| 4.2.3 FF-FID 特征权重设置方法 | 第39-40页 |
| 4.2.4 算法效果及验证 | 第40-41页 |
| 4.2.5 实验设计与结果分析 | 第41-44页 |
| 4.3 基于微博文本的大规模文本聚类 | 第44-57页 |
| 4.3.1 经过改进的大规模数据集聚类算法 | 第44-46页 |
| 4.3.2 文本奇异跳变 | 第46-47页 |
| 4.3.3 基于分块奇异跳变统计的大规模文本聚类算法 | 第47-49页 |
| 4.3.4 基于中文文本的 simhash 指纹的聚类 | 第49-53页 |
| 4.3.5 实验设计与结果分析 | 第53-57页 |
| 4.3.6 算法效果评价 | 第57页 |
| 4.4 文本簇判定 | 第57-64页 |
| 4.4.1 用户行为特征 | 第58-59页 |
| 4.4.2 基于决策树的微博文本可读性分类算法 | 第59-61页 |
| 4.4.3 微博文本垃圾属性分类的特征提取方式 | 第61-62页 |
| 4.4.4 实验设计与结果分析 | 第62-64页 |
| 4.4.5 算法效果评价 | 第64页 |
| 4.5 小结 | 第64-66页 |
| 第五章 检测系统的详细实现 | 第66-81页 |
| 5.1 微博信息采集模块的设计与实现 | 第66-67页 |
| 5.1.1 微博文本去噪 | 第66页 |
| 5.1.2 文本指纹计算 | 第66-67页 |
| 5.2 微博文本聚类模块的实现 | 第67-73页 |
| 5.2.1 初始文本聚类子模块的实现 | 第67-70页 |
| 5.2.2 文本簇合并子模块的实现 | 第70-73页 |
| 5.3 微博文本分类模块的实现 | 第73-75页 |
| 5.3.1 分类器训练子模块的实现 | 第73-74页 |
| 5.3.2 预测子模块的实现 | 第74-75页 |
| 5.4 系统运行效果及分析 | 第75-80页 |
| 5.4.1 实验目标及环境 | 第75-76页 |
| 5.4.2 实验数据 | 第76页 |
| 5.4.3 实验设计与结果分析 | 第76-80页 |
| 5.5 小结 | 第80-81页 |
| 总结与展望 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 攻读硕士学位期间取得的研究成果 | 第89-90页 |
| 致谢 | 第90-91页 |
| 附件 | 第91页 |
