基于影响力传播的中文微博意见领袖挖掘算法的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 问题的提出 | 第10-12页 |
| 1.2 国内外现状 | 第12-14页 |
| 1.2.1 影响力传播模型 | 第12-13页 |
| 1.2.2 意见领袖挖掘 | 第13-14页 |
| 1.3 本文研究的内容和目的 | 第14-15页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 研究目标 | 第14页 |
| 1.3.3 课题来源 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 相关理论与技术 | 第16-26页 |
| 2.1 社会网络介绍 | 第16-17页 |
| 2.2 影响力传播模型 | 第17-19页 |
| 2.2.1 独立级联模型 | 第17-18页 |
| 2.2.2 线性阈值模型 | 第18-19页 |
| 2.2.3 其他传播模型 | 第19页 |
| 2.3 文本预处理 | 第19-21页 |
| 2.3.1 微博噪音去除 | 第19-21页 |
| 2.3.2 中文分词 | 第21页 |
| 2.4 文本相似度 | 第21-24页 |
| 2.4.1 基于向量的文档模型方法 | 第22页 |
| 2.4.2 基于语料库的方法 | 第22-23页 |
| 2.4.3 基于特征的方法 | 第23页 |
| 2.4.4 综合的方法 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 微博社会网络影响力传播概率建模 | 第26-40页 |
| 3.1 问题描述 | 第26-29页 |
| 3.1.1 问题提出 | 第26页 |
| 3.1.2 独立级联模型分析 | 第26-27页 |
| 3.1.3 问题定义 | 第27-29页 |
| 3.2 模型的提出 | 第29-33页 |
| 3.2.1 静态模型 | 第29-31页 |
| 3.2.2 离散时间模型 | 第31页 |
| 3.2.3 连续时间模型 | 第31-33页 |
| 3.3 用户影响力学习算法 | 第33-37页 |
| 3.3.1 学习模型 | 第34-35页 |
| 3.3.2 模型评估 | 第35-37页 |
| 3.4 实验及结果分析 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 短文本相似性处理 | 第40-48页 |
| 4.1 问题提出 | 第40页 |
| 4.2 文本相似性计算算法 | 第40-45页 |
| 4.2.1 语法结构的相似性算法 | 第40-43页 |
| 4.2.2 语义结构的相似性算法 | 第43-45页 |
| 4.3 基于KNN的分类器构造即分类算法 | 第45页 |
| 4.4 实验及结果分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 微博社会网络中意见领袖挖掘 | 第48-60页 |
| 5.1 问题描述 | 第48-49页 |
| 5.2 基于用户历史记录的意见领袖挖掘算法 | 第49-53页 |
| 5.2.1 基本的意见领袖挖掘算法 | 第49-50页 |
| 5.2.2 改进的意见领袖挖掘算法 | 第50-53页 |
| 5.3 实验及结果分析 | 第53-58页 |
| 5.3.1 模型及算法评价 | 第53-55页 |
| 5.3.2 意见领袖的特性分析 | 第55-56页 |
| 5.3.3 实验系统说明 | 第56-58页 |
| 5.4 本章小结 | 第58-60页 |
| 第6章 结论及未来工作 | 第60-62页 |
| 6.1 本文主要工作 | 第60页 |
| 6.2 进一步工作 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻硕期间参与项目及发表的论文 | 第68页 |
