| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-26页 |
| 1.1 选题背景与意义 | 第12-14页 |
| 1.1.1 选题背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-22页 |
| 1.2.1 国外研究现状 | 第15-18页 |
| 1.2.2 国内研究现状 | 第18-21页 |
| 1.2.3 国内外研究现状小结 | 第21-22页 |
| 1.3 研究框架 | 第22-24页 |
| 1.3.1 研究思路 | 第22-23页 |
| 1.3.2 研究内容 | 第23页 |
| 1.3.3 研究方法 | 第23-24页 |
| 1.4 研究难点与创新之处 | 第24页 |
| 1.4.1 研究难点 | 第24页 |
| 1.4.2 创新之处 | 第24页 |
| 1.5 本章小结 | 第24-26页 |
| 2 相关理论基础 | 第26-39页 |
| 2.1 UGC理论基础 | 第26-29页 |
| 2.1.1 UGC概念 | 第26页 |
| 2.1.2 UGC类型 | 第26-28页 |
| 2.1.3 UGC质量现状 | 第28-29页 |
| 2.2 社交网络用户信息行为理论 | 第29-33页 |
| 2.2.1 社交网络用户信息行为概念 | 第29-30页 |
| 2.2.2 社交网络用户信息行为特征 | 第30-31页 |
| 2.2.3 社交网络用户信息行为属性 | 第31-32页 |
| 2.2.4 社交网络用户信息异常行为概念 | 第32页 |
| 2.2.5 社交网络用户信息异常行为特征 | 第32-33页 |
| 2.3 UGC质量理论 | 第33-38页 |
| 2.3.1 UGC质量概念 | 第33-34页 |
| 2.3.2 UGC质量评价标准和评价指标 | 第34-35页 |
| 2.3.3 UGC质量评价方法 | 第35-36页 |
| 2.3.4 低质量UGC特征及特征表现 | 第36-38页 |
| 2.4 本章小结 | 第38-39页 |
| 3 用户画像原理及构建方法 | 第39-44页 |
| 3.1 用户画像原理 | 第39-40页 |
| 3.2 用户画像构建方法研究 | 第40-41页 |
| 3.3 基于用户行为的用户画像构建方法 | 第41-42页 |
| 3.4 用户画像用于UGC质量预判的可行性分析 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 基于用户画像的UGC质量预判模型的构建 | 第44-53页 |
| 4.1 基本思路和预判模型框架 | 第44-46页 |
| 4.2 构建个体用户画像 | 第46-51页 |
| 4.2.1 社交网络用户异常行为识别 | 第46-48页 |
| 4.2.2 低质量UGC的识别方法 | 第48-50页 |
| 4.2.3 基于低质量UGC异常行为的个体用户画像构建方法 | 第50-51页 |
| 4.3 预判模型训练与UGC质量预判 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 预判模型的验证 | 第53-64页 |
| 5.1 验证思路与方法 | 第53页 |
| 5.2 验证过程 | 第53-62页 |
| 5.2.1 数据采集 | 第53-56页 |
| 5.2.2 数据清洗与预处理 | 第56-59页 |
| 5.2.3 低质量UGC异常行为识别 | 第59-60页 |
| 5.2.4 个体用户画像构建 | 第60-62页 |
| 5.3 验证结果与分析 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 6 结论与展望 | 第64-66页 |
| 参考文献 | 第66-75页 |
| 附录 | 第75-89页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第89-90页 |
| 致谢 | 第90页 |