基于微博内容的热点话题趋势预测设计与实现
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 本文的研究背景及意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文的主要工作 | 第10-11页 |
| 1.4 论文结构 | 第11-12页 |
| 第二章 相关理论基础 | 第12-21页 |
| 2.1 微博的组成结构 | 第12-13页 |
| 2.1.1 微博的组成要素 | 第12页 |
| 2.1.2 微博的功能组成 | 第12-13页 |
| 2.2 微博特征 | 第13-14页 |
| 2.3 用户影响力 | 第14-15页 |
| 2.4 数据预处理 | 第15-19页 |
| 2.4.1 文本去噪处理 | 第15-16页 |
| 2.4.2 文本表示模型 | 第16-17页 |
| 2.4.3 贝叶斯算法介绍 | 第17-19页 |
| 2.5 TF-IDF特征提取算法 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 第三章 微博话题预测系统的需求分析与设计 | 第21-35页 |
| 3.1 需求分析 | 第21页 |
| 3.2 系统总体设计 | 第21-23页 |
| 3.3 主流爬虫工具介绍 | 第23-24页 |
| 3.4 数据爬取模块设计 | 第24-28页 |
| 3.4.1 数据库设计 | 第25-26页 |
| 3.4.2 微博接口分析 | 第26-28页 |
| 3.5 文本特征提取设计 | 第28-29页 |
| 3.6 用户影响力分析设计 | 第29-31页 |
| 3.7 话题传播分析设计 | 第31-33页 |
| 3.8 话题预测模块设计 | 第33-34页 |
| 3.9 本章小结 | 第34-35页 |
| 第四章 微博话题预测系统实现 | 第35-43页 |
| 4.1 新浪微博中数据爬取实现 | 第35-37页 |
| 4.2 特征提取模块 | 第37-39页 |
| 4.3 用户影响力模块 | 第39-41页 |
| 4.4 话题传播分析模块 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 结果与分析 | 第43-51页 |
| 5.1 实验环境与流程 | 第43-46页 |
| 5.2 实验结果与分析 | 第46-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-54页 |
| 6.1 工作总结 | 第51-52页 |
| 6.2 不足与展望 | 第52-54页 |
| 6.2.1 本文不足之处 | 第52-53页 |
| 6.2.2 后续工作期望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-59页 |
