微博博主分析系统的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本文的研究内容 | 第15-16页 |
| 1.4 章节安排 | 第16-17页 |
| 第2章 相关技术概述 | 第17-28页 |
| 2.1 主题模型 | 第17-22页 |
| 2.1.1 主题模型的发展历程 | 第17-18页 |
| 2.1.2 主题模型的生成过程 | 第18-20页 |
| 2.1.3 文本建模 | 第20-22页 |
| 2.2 文本的特征词选择方法 | 第22-23页 |
| 2.3 文本分类算法介绍 | 第23-28页 |
| 2.3.1 LDA短文本分类的解决方法 | 第25-27页 |
| 2.3.2 文本相似性度量 | 第27-28页 |
| 第3章 基于微博文本的博主兴趣分析 | 第28-39页 |
| 3.1 引言 | 第28页 |
| 3.2 基于主题模型的微博文本的分类框架 | 第28-30页 |
| 3.3 实验设计与结果 | 第30-36页 |
| 3.3.1 实验环境与目的 | 第30页 |
| 3.3.2 微博文本预处理 | 第30-32页 |
| 3.3.3 微博文本的特征词选择 | 第32-34页 |
| 3.3.4 基于主题的标签特征设定 | 第34-35页 |
| 3.3.5 微博文本的主题相似性计算 | 第35-36页 |
| 3.4 微博文本的分类结果 | 第36-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 基于时间片的微博用户行为分析 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 时间片划分模型的建立 | 第39-47页 |
| 4.2.1 新浪微博的发博的特点 | 第40-42页 |
| 4.2.2 时间片的选取及博主影响因子的确立 | 第42-46页 |
| 4.2.3 技术路线 | 第46-47页 |
| 4.3 实验结果 | 第47-49页 |
| 4.3.1 实验环境与目的 | 第47页 |
| 4.3.3 实验结果 | 第47-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第5章 系统的设计与实现 | 第51-59页 |
| 5.1 引言 | 第51页 |
| 5.2 系统的总体设计 | 第51-56页 |
| 5.2.1 需求分析 | 第51-53页 |
| 5.2.2 系统的架构设计 | 第53-54页 |
| 5.2.3 系统的功能模块介绍 | 第54-56页 |
| 5.3 系统实现 | 第56-58页 |
| 5.3.1 软件平台的开发环境 | 第56页 |
| 5.3.2 系统的运行界面及描述 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 论文总结 | 第59页 |
| 6.2 下一步研究工作 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66页 |
