| 中文摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景与意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·本文研究内容 | 第14-15页 |
| ·本文结构安排 | 第15-16页 |
| 第二章 Blog 社区发现的理论基础 | 第16-29页 |
| ·Blog 基本概念 | 第16-18页 |
| ·Blog 定义 | 第16-17页 |
| ·Blog 社区 | 第17-18页 |
| ·Blog 数据模型 | 第18-21页 |
| ·Blog 页面数据模型 | 第18-20页 |
| ·Blog 链接数据模型 | 第20-21页 |
| ·传统的 Web 社区发现技术 | 第21-26页 |
| ·基于 HITS 算法的技术 | 第21-23页 |
| ·基于有向二分图的技术 | 第23-24页 |
| ·基于最大流量/最小割集的技术 | 第24页 |
| ·传统 Web 社区发现技术的比较 | 第24-26页 |
| ·Blog 社区发现技术 | 第26-28页 |
| ·基于 Blog 重要性的社区发现 | 第26-27页 |
| ·基于网络流量的社区发现 | 第27页 |
| ·基于 Blog 间相互感知的社区发现 | 第27页 |
| ·Blog 社区发现技术的比较 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于 FCA 的 Blog 社区发现算法研究 | 第29-45页 |
| ·形式概念分析 | 第29-34页 |
| ·FCA 的基本知识 | 第29-32页 |
| ·概念格的构造算法 | 第32-33页 |
| ·概念格的应用 | 第33-34页 |
| ·基于 FCA 的 Blog 社区发现 | 第34-40页 |
| ·存在的问题及解决思路 | 第34-35页 |
| ·基于 FCA 的 Blog 社区发现算法流程 | 第35-36页 |
| ·Blog 社区核心发现 | 第36-37页 |
| ·社区核心的划分 | 第37页 |
| ·社区核心的合并算法 | 第37-40页 |
| ·实验及结果分析 | 第40-44页 |
| ·实验准备 | 第40页 |
| ·实验评测 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于 LSA 的 Blog 社区主题抽取技术研究 | 第45-68页 |
| ·内容分析 | 第45-53页 |
| ·文本特征选择 | 第45-47页 |
| ·经典信息模型 | 第47-49页 |
| ·文本降维技术 | 第49-53页 |
| ·基于 LSA 的 Blog 社区主题抽取技术 | 第53-62页 |
| ·存在的问题 | 第53页 |
| ·基于 LSA 的 Blog 社区主题抽取技术方法流程 | 第53-54页 |
| ·Blog 文本预处理 | 第54-56页 |
| ·Blog 正文提取 | 第56-58页 |
| ·Blog 文本的 TF-IDF 特征抽取 | 第58页 |
| ·奇异矩阵 K 值自动截取 | 第58-61页 |
| ·大矩阵自动分割 | 第61-62页 |
| ·实验及结果分析 | 第62-67页 |
| ·实验准备 | 第62-63页 |
| ·实验评测 | 第63-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 基于 FCA 和 LSA 的 Blog 社区发现系统设计与实现 | 第68-79页 |
| ·引言 | 第68-69页 |
| ·系统架构及工作流程设计 | 第69-77页 |
| ·Blog 异步网络爬虫模块 | 第70-73页 |
| ·Blog 关系及内容数据提取模块 | 第73-75页 |
| ·基于 FCA 的 Blog 社区发现模块 | 第75-76页 |
| ·基于 LSA 的 Blog 社区主题抽取模块 | 第76-77页 |
| ·系统实现 | 第77-78页 |
| ·开发平台与开发工具 | 第77页 |
| ·主要功能界面展示 | 第77-78页 |
| ·本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-81页 |
| ·本文总结 | 第79-80页 |
| ·工作展望 | 第80-81页 |
| 参考文献 | 第81-87页 |
| 攻读硕士学位期间公开发表的论文与科研项目 | 第87-88页 |
| 致谢 | 第88-89页 |
