基于微博内容的博主标签生成关键技术研究
| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12-14页 |
| 1.3 论文主要工作 | 第14页 |
| 1.4 论文结构 | 第14-15页 |
| 第二章 相关技术研究 | 第15-27页 |
| 2.1 社交网络中的事件和话题的相关技术和研究 | 第15-18页 |
| 2.1.1 基于新闻报道的话题检测和追踪 | 第15-16页 |
| 2.1.2 话题模型的分类介绍 | 第16-18页 |
| 2.1.2.1 平面结构模型和层次结构模型 | 第16-17页 |
| 2.1.2.2 确定性模型和概率模型 | 第17-18页 |
| 2.1.2.3 在线话题模型和离线话题模型 | 第18页 |
| 2.2 微博分类相关技术 | 第18-20页 |
| 2.2.1 基于本地特征的微博分类方法 | 第18-19页 |
| 2.2.2 集成了第三方背景信息的分类方法 | 第19页 |
| 2.2.3 结合微博自身特征的分类方法 | 第19-20页 |
| 2.3 社交网络中的用户影响力分析 | 第20-21页 |
| 2.3.1 微博中影响力的评价标准 | 第20-21页 |
| 2.3.1.1 基于扩展能力的影响力评估研究 | 第20页 |
| 2.3.1.2 基于用户个体特征的影响力评估研究 | 第20页 |
| 2.3.1.3 基于网络结构的影响力评估研究 | 第20-21页 |
| 2.4 用户建模 | 第21-25页 |
| 2.4.1 基于主题模型的用户建模 | 第23-24页 |
| 2.4.2 非主题模型的用户建模 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 基于聚类的微博关键词提取技术 | 第27-39页 |
| 3.1 微博数据获取 | 第27-31页 |
| 3.1.1 新浪微博API介绍 | 第27-30页 |
| 3.1.1.1 用户接口 | 第27-28页 |
| 3.1.1.2 微博接口 | 第28-29页 |
| 3.1.1.3 微博标签接口 | 第29-30页 |
| 3.1.1.4 用户标签接口 | 第30页 |
| 3.1.1.5 搜索接口 | 第30页 |
| 3.1.2 微博平台SDK介绍 | 第30-31页 |
| 3.1.3 微博数据获取 | 第31页 |
| 3.2 基于聚类的微博关键词提取方法 | 第31-37页 |
| 3.2.1 微博数据特点 | 第31-32页 |
| 3.2.2 关键词抽取相关算法与概念 | 第32-33页 |
| 3.2.3 微博关键词的方法 | 第33-35页 |
| 3.2.3.1 微博预处理 | 第33-34页 |
| 3.2.3.2 计算词语权重 | 第34页 |
| 3.2.3.3 聚类提取候选关键词 | 第34页 |
| 3.2.3.4 关键词扩展 | 第34-35页 |
| 3.2.4 实验与分析 | 第35-37页 |
| 3.3 本章小结 | 第37-39页 |
| 第四章 基于微博类型的微博用户建模 | 第39-51页 |
| 4.1 微博数据分析 | 第39-43页 |
| 4.1.1 用户微博分布统计 | 第39-41页 |
| 4.1.2 微博语义分析 | 第41-43页 |
| 4.2 基于微博类型的用户建模 | 第43-48页 |
| 4.2.1 构建微博用户的空间向量模型 | 第44-47页 |
| 4.2.2 特征降维 | 第47页 |
| 4.2.3 实验与分析 | 第47-48页 |
| 4.3 本章小结 | 第48-51页 |
| 第五章 基于SVM的微博用户标签生成 | 第51-59页 |
| 5.1 支持向量机（SVM）介绍 | 第51页 |
| 5.2 微博用户标签生成方案 | 第51-54页 |
| 5.2.1 微博训练集的选取 | 第52-53页 |
| 5.2.2 标签与用户建模 | 第53-54页 |
| 5.3 实验与分析 | 第54-56页 |
| 5.3.1 实验数据 | 第54-55页 |
| 5.3.2 实验结果评测 | 第55-56页 |
| 5.4 本章小结 | 第56-59页 |
| 第六章 结束语 | 第59-61页 |
| 6.1 工作总结 | 第59页 |
| 6.2 工作展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 作者在学期间取得的学术成果 | 第69页 |
