大数据环境下的用户信息抽取与分析
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.2.1 信息抽取的研究现状 | 第11-13页 |
| 1.2.2 文本分类的研究现状 | 第13页 |
| 1.2.3 用户职业抽取及人才圈发现现状 | 第13-14页 |
| 1.2.4 研究现状总结 | 第14-15页 |
| 1.3 论文主要工作 | 第15页 |
| 1.4 论文的组织结构 | 第15-18页 |
| 第二章 关键技术介绍 | 第18-26页 |
| 2.1 信息抽取相关技术 | 第18-19页 |
| 2.2 文本处理及特征选择 | 第19-22页 |
| 2.2.1 文本预处理 | 第19-20页 |
| 2.2.2 特征选择 | 第20-21页 |
| 2.2.3 文本向量化 | 第21-22页 |
| 2.3 相关文本分类算法 | 第22-24页 |
| 2.4 相关聚类算法 | 第24页 |
| 2.5 评估方法 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于远监督的混合神经网络关系抽取 | 第26-42页 |
| 3.1 数据获取及预处理 | 第26-28页 |
| 3.2 关系知识库的构建 | 第28-33页 |
| 3.2.1 获取关系三元组 | 第28-30页 |
| 3.2.2 关系三元组扩展及训练语料优化 | 第30-33页 |
| 3.3 混合神经网络抽取模型 | 第33-36页 |
| 3.4 实验结果与分析 | 第36-39页 |
| 3.5 本章小结 | 第39-42页 |
| 第四章 基于多源特征的关系抽取 | 第42-56页 |
| 4.1 数据集的构建 | 第42-44页 |
| 4.1.1 数据采集 | 第42-43页 |
| 4.1.2 数据预处理 | 第43-44页 |
| 4.2 特征抽取及优化 | 第44-50页 |
| 4.2.1 用户层特征抽取 | 第44-47页 |
| 4.2.2 网络层特征抽取 | 第47-50页 |
| 4.3 实验结果与分析 | 第50-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 基于聚类的人才圈发现 | 第56-76页 |
| 5.1 需求分析及概要设计 | 第56-58页 |
| 5.2 用户相似性模型 | 第58-62页 |
| 5.3 人才圈发现详细设计 | 第62-70页 |
| 5.3.1 数据层 | 第62-64页 |
| 5.3.2 特征层 | 第64-67页 |
| 5.3.3 模型层 | 第67-68页 |
| 5.3.4 相似性计算层 | 第68-69页 |
| 5.3.5 聚类层 | 第69-70页 |
| 5.4 人才圈发现服务测试 | 第70-74页 |
| 5.4.1 逻辑回归特征选择 | 第71-72页 |
| 5.4.2 测试结果 | 第72-74页 |
| 5.5 本章小结 | 第74-76页 |
| 第六章 总结和展望 | 第76-78页 |
| 6.1 工作总结 | 第76页 |
| 6.2 展望 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-86页 |
| 攻读学位期间发表的学术论文 | 第86页 |
