| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景 | 第9-10页 |
| ·课题来源 | 第10-11页 |
| ·国内外发展与研究现状 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·本文工作 | 第13-14页 |
| ·主要研究内容 | 第13页 |
| ·研究目标 | 第13-14页 |
| ·课题意义 | 第14页 |
| ·本文结构 | 第14-16页 |
| 第2章 相关工作介绍 | 第16-28页 |
| ·数据挖掘概述 | 第16-17页 |
| ·社交网络研究 | 第17-23页 |
| ·社交网络分析 | 第17-18页 |
| ·权威人物发现 | 第18-20页 |
| ·PageRank算法 | 第20页 |
| ·HITS算法 | 第20-22页 |
| ·社会关系网分析 | 第22-23页 |
| ·信息检索模型 | 第23-24页 |
| ·布尔模型 | 第23页 |
| ·向量空间模型 | 第23-24页 |
| ·文档相似度的计算 | 第24页 |
| ·分类算法研究 | 第24-27页 |
| ·朴素贝叶斯分类 | 第24-25页 |
| ·支持向量机 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 DMAURank模型 | 第28-39页 |
| ·模型总体介绍 | 第28-31页 |
| ·微博介绍 | 第28-31页 |
| ·模型设计概述 | 第31页 |
| ·领域微博权威性人物 | 第31-32页 |
| ·定义领域微博权威性 | 第31-32页 |
| ·度量指标 | 第32页 |
| ·数据处理 | 第32-34页 |
| ·构建领域关键词词典 | 第32-33页 |
| ·提取领域微博数据集 | 第33页 |
| ·提取领域用户数据集 | 第33-34页 |
| ·领域用户关注度 | 第34-35页 |
| ·基于领域微博权威性人物挖掘算法的伪代码 | 第35-36页 |
| ·实验效果评估 | 第36-38页 |
| ·实验数据 | 第36页 |
| ·结果与分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 面向领域的微博权威性人物挖掘系统设计与实现 | 第39-55页 |
| ·系统设计 | 第39-40页 |
| ·系统模块及关系 | 第39-40页 |
| ·系统业务流程 | 第40页 |
| ·系统实现 | 第40-42页 |
| ·关键技术 | 第42-50页 |
| ·领域词典 | 第42-43页 |
| ·权威性人物计算模型 | 第43页 |
| ·微博内容分词 | 第43-44页 |
| ·微博爬虫技术 | 第44-50页 |
| ·系统核心代码实现 | 第50-53页 |
| ·微博爬虫实现 | 第50-52页 |
| ·DMAURank实现 | 第52页 |
| ·系统SpringMVC Controller实现 | 第52页 |
| ·前端Ajax请求 | 第52-53页 |
| ·系统展示 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 总结和展望 | 第55-57页 |
| ·本文总结 | 第55-56页 |
| ·不足与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间发表的论文 | 第62页 |