微博舆情事件中用户关系分析技术的研究与实现
| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 课题的研究背景和意义 | 第11-16页 |
| 1.1.1 在线社交网络概述 | 第11-14页 |
| 1.1.2 微博舆情现状 | 第14-15页 |
| 1.1.3 用户关系研究的意义 | 第15-16页 |
| 1.2 国内外相关研究工作 | 第16-19页 |
| 1.2.1 社会网络分析 | 第16-17页 |
| 1.2.2 好友推荐 | 第17-18页 |
| 1.2.3 社区发现 | 第18-19页 |
| 1.3 本文的研究内容 | 第19-20页 |
| 1.4 本文的组织结构 | 第20-22页 |
| 第二章 用户关系分析的相关理论与技术 | 第22-36页 |
| 2.1 关联模式挖掘 | 第22-28页 |
| 2.1.1 关联规则发现 | 第22-23页 |
| 2.1.2 图挖掘技术 | 第23-25页 |
| 2.1.3 Redis数据库和Titan数据库 | 第25-28页 |
| 2.2 影响力分析技术 | 第28-31页 |
| 2.2.1 影响力分析概述 | 第28-29页 |
| 2.2.2 基于图熵的影响力排序 | 第29-30页 |
| 2.2.3 基于Page Rank的影响力计算 | 第30-31页 |
| 2.3 倾向性分析技术 | 第31-35页 |
| 2.3.1 文本处理技术 | 第31-33页 |
| 2.3.2 基于词典规则的倾向性分析 | 第33页 |
| 2.3.3 基于机器学习的倾向性分析 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 面向Twitter话题社区的用户圈子研究 | 第36-51页 |
| 3.1 中文Twitter数据获取 | 第36-39页 |
| 3.1.1 OAUTH授权框架分析 | 第36-38页 |
| 3.1.2 Twitter4j开发平台架构 | 第38页 |
| 3.1.3 Twitter API应用限制及突破 | 第38-39页 |
| 3.2 Twitter话题社区的用户圈子分析 | 第39-44页 |
| 3.2.1 Twitter用户关联关系分析 | 第40-41页 |
| 3.2.2 基于属性的用户圈子划分 | 第41-42页 |
| 3.2.3 基于图结构的用户圈子分析 | 第42-44页 |
| 3.3 实验过程及分析 | 第44-50页 |
| 3.3.1 实验环境 | 第44页 |
| 3.3.2 实验过程 | 第44-48页 |
| 3.3.3 实验分析 | 第48-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第四章 基于微博话题立场研判的用户关系研究 | 第51-60页 |
| 4.1 博文和话题的主题相关性 | 第51-53页 |
| 4.1.1 相关概念及形式化定义 | 第51-52页 |
| 4.1.2 微博文本预处理 | 第52页 |
| 4.1.3 主题词集的构建 | 第52-53页 |
| 4.2 基于博文立场研判的用户划分 | 第53-56页 |
| 4.2.1 主题相关性分类 | 第53-54页 |
| 4.2.2 立场词典的构建 | 第54-56页 |
| 4.2.3 用户划分模型框架 | 第56页 |
| 4.3 实验过程及分析 | 第56-59页 |
| 4.3.1 数据准备 | 第57页 |
| 4.3.2 实验设计 | 第57页 |
| 4.3.3 实验结果 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 协同搜索系统中人物关联模块的实现 | 第60-69页 |
| 5.1 系统概述 | 第60页 |
| 5.2 系统功能架构 | 第60-63页 |
| 5.2.1 数据获取 | 第61-62页 |
| 5.2.2 数据存储 | 第62页 |
| 5.2.3 数据分析 | 第62-63页 |
| 5.3 人物关联分析模块 | 第63-67页 |
| 5.3.1 人物搜索的推荐排序 | 第63-65页 |
| 5.3.2 微博话题社区用户圈子分析 | 第65-66页 |
| 5.3.3 基于立场研判的微博用户分类 | 第66-67页 |
| 5.3.4 人物和事件关联的二部图模型 | 第67页 |
| 5.4 本章小结 | 第67-69页 |
| 第六章 总结和展望 | 第69-71页 |
| 6.1 全文工作总结 | 第69-70页 |
| 6.2 研究工作展望 | 第70-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 作者在学期间取得的学术成果 | 第77页 |
