| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-15页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 微博垃圾信息筛选相关研究概述 | 第12-13页 |
| 1.3 主要工作与组织结构 | 第13-15页 |
| 第二章 相似度计算及聚类分析技术与理论 | 第15-23页 |
| 2.1 TF-IDF算法 | 第15-16页 |
| 2.2 文本相似性计算 | 第16-18页 |
| 2.2.1 基于字符串的方法 | 第16页 |
| 2.2.2 基于语料库的方法 | 第16-18页 |
| 2.3 Ljung-Box检验 | 第18-19页 |
| 2.3.1 随机序列 | 第18页 |
| 2.3.2 随机序列的几种常用检验方法 | 第18页 |
| 2.3.3 Ljung-Box检验 | 第18-19页 |
| 2.4 聚类分析 | 第19-22页 |
| 2.4.1 文本聚类方法 | 第19-21页 |
| 2.4.2 聚类方法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于加权连续词袋模型的微博短文本相似度计算 | 第23-30页 |
| 3.1 Word2vec模型计算词向量 | 第23-24页 |
| 3.2 基于简单均值表示法的相似性度量 | 第24-25页 |
| 3.3 基于TF-IDF加权的相似性度量 | 第25-27页 |
| 3.4 基于改进的WMD模型的文本相似性度量 | 第27-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 基于半监督聚类的微博广告发布者识别研究 | 第30-43页 |
| 4.1 基于文本特征与聚类分析的微博广告发布者识别流程 | 第30-31页 |
| 4.2 核心微博序列提取 | 第31页 |
| 4.3 文本特征提取 | 第31-35页 |
| 4.3.1 用户发帖文本相似度 | 第32-33页 |
| 4.3.2 广告语料相似度 | 第33页 |
| 4.3.3 时序规律性度量 | 第33-34页 |
| 4.3.4 广告元素数量 | 第34-35页 |
| 4.4 聚类分析 | 第35-42页 |
| 4.4.1 聚类算法选择 | 第35页 |
| 4.4.2 基于密度的聚类算法DBSCAN | 第35-38页 |
| 4.4.3 基于成对约束的半监督聚类算法C-DBSCAN | 第38-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 实验设计与结果分析 | 第43-53页 |
| 5.1 实验数据 | 第43-44页 |
| 5.2 实验环境 | 第44页 |
| 5.3 评价指标 | 第44页 |
| 5.4 数据预处理 | 第44-46页 |
| 5.4.1 文本去噪 | 第45页 |
| 5.4.2 中文分词及停用词过滤 | 第45-46页 |
| 5.5 实验结果与分析 | 第46-52页 |
| 5.5.1 基于加权连续词袋模型的微博短文本相似度计算 | 第46-48页 |
| 5.5.2 基于文本特征与聚类分析的微博广告发布者识别 | 第48-52页 |
| 5.6 本章小结 | 第52-53页 |
| 第六章 分析与展望 | 第53-55页 |
| 6.1 全文总结 | 第53页 |
| 6.2 下一步研究方向 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间主要的研究成果 | 第60-61页 |
| 攻读硕士学位期间参与的项目 | 第61-63页 |
