| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景和意义 | 第7-8页 |
| ·相关内容研究现状 | 第8-10页 |
| ·本文的主要工作以及论文的组织结构 | 第10-13页 |
| 第二章 网页数据提取与数据挖掘 | 第13-27页 |
| ·网页数据提取基础 | 第13-15页 |
| ·网页数据采集 | 第13页 |
| ·网页数据采集原理与方法 | 第13-15页 |
| ·网页防数据采集 | 第15页 |
| ·网页数据挖掘基础 | 第15-21页 |
| ·数据挖掘简介 | 第16-17页 |
| ·数据挖掘功能 | 第17-18页 |
| ·聚类分析简介 | 第18-19页 |
| ·聚类分析方法 | 第19-21页 |
| ·层次聚类方法 | 第21-26页 |
| ·凝聚与分裂的层次聚类 | 第21-23页 |
| ·BIRCH：使用聚类特征树的多阶段聚类 | 第23-25页 |
| ·Chameleon：使用动态建模的多阶段层次聚类 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于 Python 的新浪微博数据提取 | 第27-43页 |
| ·微博 API 简介 | 第27-33页 |
| ·申请 API 接口 | 第27-28页 |
| ·Python 简介 | 第28-30页 |
| ·Python 调用 API 提取数据 | 第30-33页 |
| ·Python 模拟登陆新浪微博 | 第33-35页 |
| ·新浪微博热门话题及用户数据的提取 | 第35-42页 |
| ·库函数提取数据 | 第36-37页 |
| ·正则表达式提取数据 | 第37-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于社交网络数据的数据挖掘 | 第43-51页 |
| ·基于参与热门话题用户的分级聚类 | 第43-47页 |
| ·基于新浪微博用户数据的协作型过滤 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·工作总结 | 第51页 |
| ·研究展望 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |