基于微博社会网络的用户兴趣模型研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景及意义 | 第11-12页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12页 |
| ·微博网络与用户模型相关研究综述 | 第12-13页 |
| ·国内外研究总结 | 第13-14页 |
| ·研究思路和主要内容 | 第14-15页 |
| ·研究思路 | 第14页 |
| ·主要内容 | 第14-15页 |
| 第二章 微博社会网络构建与分析 | 第15-36页 |
| ·微博网络信息结构 | 第15-17页 |
| ·微博用户及用户关系信息 | 第15-16页 |
| ·微博内容及内容关系信息 | 第16页 |
| ·用户行为信息 | 第16-17页 |
| ·分布式微博信息采集系统设计 | 第17-21页 |
| ·传统微博信息获取方式 | 第17-18页 |
| ·分布式并发采集系统架构 | 第18-19页 |
| ·分布式并发采集调度算法 | 第19-21页 |
| ·用户节点重要度分析 | 第21-27页 |
| ·传统复杂网络理论中节点重要度评价方法 | 第21-22页 |
| ·微博网络中节点重要度算法 | 第22-27页 |
| ·微博内容关键词分析 | 第27-35页 |
| ·微博文本预处理技术 | 第27-29页 |
| ·基于同义词词林的词语相似度计算方法 | 第29-32页 |
| ·微博关键词提取算法 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 微博用户兴趣模型 | 第36-50页 |
| ·微博用户兴趣建模方案 | 第36-37页 |
| ·用户兴趣的构成 | 第37-39页 |
| ·用户模型的表示方式 | 第39-43页 |
| ·向量空间模型（VSM） | 第39-41页 |
| ·基于概念的用户兴趣模型 | 第41-42页 |
| ·协同过滤模型 | 第42-43页 |
| ·特征项提取和权重计算 | 第43-47页 |
| ·特征项的提取 | 第43-45页 |
| ·特征项权重的计算 | 第45-47页 |
| ·兴趣向量空间的建立 | 第47页 |
| ·兴趣度计算 | 第47-49页 |
| ·长期与短期兴趣 | 第47-49页 |
| ·用户兴趣相似度计算 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第四章 系统实现与评价 | 第50-66页 |
| ·分布式微博信息采集系统实现 | 第50-61页 |
| ·关键技术应用 | 第50-59页 |
| ·采集结果分析 | 第59-61页 |
| ·用户兴趣模型测试及分析 | 第61-64页 |
| ·用户重要度计算 | 第61-62页 |
| ·微博关键词提取 | 第62-63页 |
| ·用户兴趣度计算 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间已发表或录用的论文 | 第72-73页 |
| 附件 | 第73页 |
