关于微博热点的WEB挖掘研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第1章 绪论 | 第10-13页 |
| ·课题研究背景 | 第10页 |
| ·论文选题意义 | 第10-11页 |
| ·国内外研究进展 | 第11-12页 |
| ·组织结构 | 第12-13页 |
| 第2章 微博平台特征简介 | 第13-20页 |
| ·微博平台的用户特征 | 第13-15页 |
| ·用户关系结构 | 第13页 |
| ·用户特征 | 第13-15页 |
| ·微博平台传播特征 | 第15-17页 |
| ·微博传播方式 | 第15-16页 |
| ·微博的传播速度 | 第16-17页 |
| ·微博的传播范围 | 第17页 |
| ·微博平台的文本特征 | 第17-18页 |
| ·短文本特征 | 第17页 |
| ·噪声特征 | 第17-18页 |
| ·网络语言特征 | 第18页 |
| ·半结构化特征 | 第18页 |
| ·引文表意特征 | 第18页 |
| ·本章小结 | 第18-20页 |
| 第3章 概率主题模型 | 第20-31页 |
| ·概率主题模型简介 | 第20-21页 |
| ·LDA模型简介 | 第21-27页 |
| ·LDA模型相关背景知识 | 第21-22页 |
| ·LDA模型生成文档的过程 | 第22-24页 |
| ·LDA模型参数估计 | 第24-27页 |
| ·LDA模型与其他主题模型对比 | 第27-30页 |
| ·一元模型 | 第27-28页 |
| ·一元混合模型 | 第28-29页 |
| ·概率潜在语义模型 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 动态概率主题模型 | 第31-36页 |
| ·DTM主题模型 | 第31-33页 |
| ·TOT主题模型 | 第33-34页 |
| ·OLDA主题模型 | 第34-35页 |
| ·三种动态概率主题模型对比 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第5章 微博热点话题检测挖掘 | 第36-49页 |
| ·微博中的热点话题的产生 | 第36页 |
| ·基于OLDA模型的微博热点话题检测挖掘 | 第36-41页 |
| ·算法流程 | 第37页 |
| ·算法设计 | 第37-41页 |
| ·微博热点话题检测挖掘实验设计 | 第41-48页 |
| ·实验系统框架设计 | 第41页 |
| ·微博数据准备 | 第41-42页 |
| ·微博数据存储 | 第42-44页 |
| ·微博文本预处理 | 第44-46页 |
| ·微博话题检测 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第6章 实验结果及分析 | 第49-56页 |
| ·实验整体效果 | 第49-51页 |
| ·微博事件发展追踪 | 第51-52页 |
| ·微博话题趋势分析 | 第52-53页 |
| ·微博话题检测评测 | 第53-56页 |
| ·实验评测方法 | 第53-54页 |
| ·评测结果 | 第54-56页 |
| 第7章 总结与展望 | 第56-57页 |
| ·总结 | 第56页 |
| ·展望 | 第56-57页 |
| 附录 Ⅰ | 第57-58页 |
| 附录 Ⅱ | 第58-61页 |
| 附录 Ⅲ | 第61-62页 |
| 参考文献 | 第62-66页 |
| 后记 | 第66页 |
