基于多源数据融合的微博用户兴趣挖掘方法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 微博研究现状 | 第9-10页 |
| 1.2.2 兴趣主题挖掘 | 第10-12页 |
| 1.3 研究思路及主要内容 | 第12-15页 |
| 1.3.1 研究路线 | 第12-13页 |
| 1.3.2 论文主要内容 | 第13-15页 |
| 第2章 基于内容的用户兴趣模型研究 | 第15-34页 |
| 2.1 相关理论及方法介绍 | 第15-23页 |
| 2.1.1 LDA主题模型 | 第15-18页 |
| 2.1.2 吉布斯抽样算法 | 第18-19页 |
| 2.1.3 微博用户兴趣表示 | 第19-23页 |
| 2.2 微博数据采集与预处理 | 第23-27页 |
| 2.2.1 数据采集 | 第23-25页 |
| 2.2.2 微博噪声处理 | 第25-26页 |
| 2.2.3 中文分词 | 第26页 |
| 2.2.4 去停用词 | 第26-27页 |
| 2.3 基于内容兴趣主题特征挖掘模型 | 第27-33页 |
| 2.3.1 模型假设 | 第27-28页 |
| 2.3.2 模型介绍 | 第28-31页 |
| 2.3.3 模型参数 | 第31-32页 |
| 2.3.4 模型评估 | 第32页 |
| 2.3.5 实验检验 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于交互信息与交互关系的用户兴趣模型 | 第34-42页 |
| 3.1 基于交互关系用户兴趣挖掘 | 第34-38页 |
| 3.1.1 模型概述 | 第34-36页 |
| 3.1.2 算法介绍 | 第36页 |
| 3.1.3 实验及分析 | 第36-38页 |
| 3.2 基于交互信息用户兴趣挖掘 | 第38-41页 |
| 3.2.1 模型概述 | 第39页 |
| 3.2.2 算法介绍 | 第39-40页 |
| 3.2.3 实验及分析 | 第40-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第4章 多源数据融合方法 | 第42-50页 |
| 4.1 主要数据源 | 第42-44页 |
| 4.1.1 微博内容信息源 | 第42-43页 |
| 4.1.2 交互信息源 | 第43页 |
| 4.1.3 交互关系信息源 | 第43-44页 |
| 4.2 融合方法 | 第44-45页 |
| 4.2.1 多源融合的用户兴趣模型框架 | 第44页 |
| 4.2.2 参数表示 | 第44-45页 |
| 4.3 实验及分析 | 第45-49页 |
| 4.3.1 实验结果 | 第45-48页 |
| 4.3.2 结果讨论 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 附录 | 第56-61页 |
| 附录 1：CTM-LDA主要程序展示 | 第56-57页 |
| 附录 2：JGibbLDA程序参数说明和设置 | 第57-61页 |
| 致谢 | 第61页 |
