微博机器人检测技术的研究与实现
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-15页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究内容 | 第13页 |
| 1.3 主要工作 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第二章 课题背景 | 第15-27页 |
| 2.1 微博社交网络 | 第15-16页 |
| 2.1.1 微博的概述 | 第15页 |
| 2.1.2 微博的特点 | 第15-16页 |
| 2.1.3 微博用户的关系 | 第16页 |
| 2.2 机器人检测技术 | 第16-18页 |
| 2.2.1 基本情况 | 第16-17页 |
| 2.2.2 研究现状 | 第17-18页 |
| 2.3 机器学习的分类算法 | 第18-22页 |
| 2.3.1 朴素贝叶斯分类算法 | 第18-20页 |
| 2.3.2 逻辑回归算法 | 第20页 |
| 2.3.3 支持向量机算法 | 第20-22页 |
| 2.4 短文本的聚类算法 | 第22-26页 |
| 2.4.1 微博短文本的特点 | 第22-23页 |
| 2.4.2 聚类算法的研究现状 | 第23-24页 |
| 2.4.3 K-means算法 | 第24-25页 |
| 2.4.4 Simhash算法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 微博用户特征的研究 | 第27-38页 |
| 3.1 博文内容特征 | 第27-30页 |
| 3.1.1 用户提及 | 第27页 |
| 3.1.2 话题标签 | 第27-28页 |
| 3.1.3 URL链接 | 第28页 |
| 3.1.4 用户博文相似度 | 第28-29页 |
| 3.1.5 发帖时序规律 | 第29页 |
| 3.1.6 发布平台规律 | 第29-30页 |
| 3.2 用户行为特征 | 第30-32页 |
| 3.2.1 好友数、粉丝数以及用户名誉度 | 第30页 |
| 3.2.2 社交亲密度 | 第30-31页 |
| 3.2.3 好友亲密度 | 第31-32页 |
| 3.3 实验分析与评价 | 第32-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 关键算法的研究与设计 | 第38-51页 |
| 4.1 面向变异微博短文本的聚类算法 | 第38-45页 |
| 4.1.1 变异微博短文本的规范化 | 第38-41页 |
| 4.1.2 变异微博短文本聚类算法的选用 | 第41-42页 |
| 4.1.3 变异微博短文本的分析过程 | 第42-45页 |
| 4.2 增量式机器学习算法 | 第45-48页 |
| 4.2.1 增量式机器学习的需求 | 第45页 |
| 4.2.2 增量式机器学习算法 | 第45-46页 |
| 4.2.3 增量式逻辑回归算法 | 第46-47页 |
| 4.2.4 增量式支持向量机算法 | 第47-48页 |
| 4.3 微博机器人检测框架 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 机器人检测系统的设计与实现 | 第51-68页 |
| 5.1 接口设计 | 第51-55页 |
| 5.1.1 机器人检测系统的接口 | 第51-52页 |
| 5.1.2 微博数据访问接口 | 第52-55页 |
| 5.2 架构设计 | 第55-61页 |
| 5.2.1 B/S系统架构 | 第55-57页 |
| 5.2.2 MVC设计模式 | 第57-59页 |
| 5.2.3 系统体系结构 | 第59-61页 |
| 5.3 详细设计与实现 | 第61-66页 |
| 5.3.1 Ruby编程语言及Rails框架 | 第61-63页 |
| 5.3.2 基于观察者模式的实时消息推送模块 | 第63-65页 |
| 5.3.3 数据缓存模块 | 第65-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 结论和展望 | 第68-70页 |
| 6.1 工作总结 | 第68页 |
| 6.2 下一步工作展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 作者在学期间取得的学术成果 | 第74页 |
