| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 存在问题及本文创新点 | 第14-15页 |
| 1.3.1 存在问题 | 第14-15页 |
| 1.3.2 创新点及主要工作 | 第15页 |
| 1.4 论文结构 | 第15-17页 |
| 第二章 微博舆情采集系统的研究 | 第17-27页 |
| 2.1 网络爬虫简介 | 第17-18页 |
| 2.2 微博爬虫的特点及反爬虫机制 | 第18-20页 |
| 2.3 微博爬虫的选择与设计 | 第20-26页 |
| 2.4 内容去重 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于转发人属性等新特征的水军识别模型 | 第27-43页 |
| 3.1 引言 | 第27页 |
| 3.2 相关工作 | 第27-33页 |
| 3.3 水军识别算法 | 第33-38页 |
| 3.3.1 朴素贝叶斯算法 | 第33-35页 |
| 3.3.2 贝叶斯网络 | 第35页 |
| 3.3.3 随机森林 | 第35-38页 |
| 3.4 实验分析 | 第38-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 基于用户标签和用户关系的分类算法 | 第43-57页 |
| 4.1 引言 | 第43页 |
| 4.2 相关工作 | 第43-48页 |
| 4.2.1 问题描述 | 第43页 |
| 4.2.2 微博主题挖掘模型 | 第43-46页 |
| 4.2.3 用户兴趣挖掘模型(UIM) | 第46页 |
| 4.2.4 基于用户兴趣词和关系标签的分类算法(CBRL) | 第46-48页 |
| 4.3 兴趣挖掘实验分析 | 第48-53页 |
| 4.4 用户分类实验分析 | 第53-54页 |
| 4.5 本章小结 | 第54-57页 |
| 第五章 系统的设计与实现 | 第57-75页 |
| 5.1 Flask框架介绍 | 第57-58页 |
| 5.2 系统界面设计 | 第58-59页 |
| 5.3 数据库设计 | 第59-62页 |
| 5.4 系统模块设计与实现 | 第62-73页 |
| 5.4.1 系统用户管理 | 第62-65页 |
| 5.4.2 热点查询导航 | 第65-66页 |
| 5.4.3 微博信息采集 | 第66-70页 |
| 5.4.4 用户过滤及分类 | 第70-72页 |
| 5.4.5 用户定制化推荐 | 第72-73页 |
| 5.5 本章小节 | 第73-75页 |
| 第六章 总结和展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间发表论文及科研情况 | 第81-83页 |
| 致谢 | 第83页 |