首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

网络新闻热点分布及其热度预测方法研究

摘要第5-6页
Abstract第6-7页
第一章 绪论第11-18页
    1.1 研究背景及意义第11-12页
    1.2 国内外研究现状第12-15页
        1.2.1 网络爬虫技术第12页
        1.2.2 新闻和网评研究第12-14页
        1.2.3 用户网络行为分析第14页
        1.2.4 特征选择和集成学习第14-15页
        1.2.5 新闻热度预测第15页
    1.3 论文的研究内容第15-16页
    1.4 论文的组织结构第16-18页
第二章 相关理论和技术第18-29页
    2.1 网络爬虫技术第18-19页
        2.1.1 网络爬虫概述第18页
        2.1.2 网络爬虫分类第18-19页
    2.2 网络用户行为分析第19-20页
        2.2.1 网络用户行为分析概述第19-20页
        2.2.2 网络用户行为分类第20页
    2.3 机器学习分类算法第20-21页
        2.3.1 机器学习概述第20页
        2.3.2 分类算法简介第20-21页
    2.4 特征选择算法第21-24页
        2.4.1 特征选择概述第21-22页
        2.4.2 特征选择常用方法第22-24页
    2.5 集成学习算法第24-28页
        2.5.1 集成学习的原理第24-25页
        2.5.2 集成学习的分类第25-28页
    2.6 本章小结第28-29页
第三章 网络新闻及网评采集和分布特征分析第29-44页
    3.1 新闻及网评数据的采集第29-35页
        3.1.1 系统设计第29-31页
        3.1.2 数据采集流程第31-33页
        3.1.3 数据存储设计第33-35页
    3.2 新闻网评空间分布特征研究第35-39页
        3.2.1 实验设置第35页
        3.2.2 实验结果分析第35-39页
    3.3 新闻网评时间分布特征研究第39-42页
        3.3.1 实验设置第39页
        3.3.2 实验结果分析第39-42页
    3.4 本章小结第42-44页
第四章 网络热点新闻及网评分布特征分析第44-61页
    4.1 热点新闻及网评周天分布特征研究第44-52页
        4.1.1 新闻及网评周天整体分布特征第44-46页
        4.1.2 热点新闻及网评周天分布特征第46-52页
    4.2 热点新闻及网评小时分布特征研究第52-60页
        4.2.1 新闻及网评小时分布特征第53-55页
        4.2.2 热点新闻及网评小时分布特征第55-60页
    4.3 本章小结第60-61页
第五章 新闻热度预测方法研究第61-79页
    5.1 机器学习分类算法第61-66页
        5.1.1 K近邻算法第61-63页
        5.1.2 决策树算法第63-65页
        5.1.3 逻辑回归算法第65-66页
    5.2 基于SU和信息增益率的改进特征选择方法第66-68页
    5.3 基于平均法和加权投票法的集成算法第68-70页
        5.3.1 基于平均法的集成算法第68-69页
        5.3.2 基于投票法的集成算法第69页
        5.3.3 基于平均法和投票法的改进集成算法第69-70页
    5.4 基于特征选择和集成算法的改进分类算法第70-71页
    5.5 实验与评价第71-78页
        5.5.1 实验平台第71-72页
        5.5.2 数据集第72页
        5.5.3 实验结果评估指标第72-73页
        5.5.4 单分类器实验分析第73-74页
        5.5.5 改进特征选择方法实验分析第74-75页
        5.5.6 改进集成算法实验分析第75-78页
        5.5.7 基于特征选择和集成改进算法的实验分析第78页
    5.6 本章总结第78-79页
第六章 总结和展望第79-81页
    6.1 工作总结第79-80页
    6.2 未来工作展望第80-81页
致谢第81-83页
参考文献第83-88页
附录第88-89页
详细摘要第89-91页

论文共91页,点击 下载论文
上一篇:灵长类动物面部教据集构建及识别方法研究
下一篇:微幅角振动激光干涉法测量若干技术问题的研究