| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本课题研究工作 | 第13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第二章 UGC质量评估中运用的模型及算法 | 第15-27页 |
| 2.1 PageRank算法 | 第15-17页 |
| 2.1.1 PageRank算法前提 | 第15页 |
| 2.1.2 PageRank算法原理 | 第15-16页 |
| 2.1.3 PageRank算法修正 | 第16页 |
| 2.1.4 PageRank算法的优缺点 | 第16-17页 |
| 2.2 HITS算法 | 第17-18页 |
| 2.2.1 HITS算法前提 | 第17页 |
| 2.2.2 HITS算法基本思想和计算方法 | 第17页 |
| 2.2.3 HITS算法存在的问题 | 第17-18页 |
| 2.3 意见领袖发现算法 | 第18-22页 |
| 2.3.1 意见领袖 | 第18-19页 |
| 2.3.2 TwitterRank算法 | 第19-20页 |
| 2.3.3 IP算法 | 第20-22页 |
| 2.4 LDA主题模型 | 第22-23页 |
| 2.4.1 词袋模型 | 第22页 |
| 2.4.2 LDA模型核心思想 | 第22-23页 |
| 2.4.3 潜在狄利克雷分配特点 | 第23页 |
| 2.5 图分割算法 | 第23-25页 |
| 2.5.1 复杂网络 | 第23-24页 |
| 2.5.2 GN算法 | 第24页 |
| 2.5.3 Fast Unfolding算法 | 第24-25页 |
| 2.6 文本相似度计算方法 | 第25-26页 |
| 2.6.1 TF-IDF算法 | 第25页 |
| 2.6.2 余弦相似度算法 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第三章 UGC质量评估框架 | 第27-33页 |
| 3.1 构建用户圈网络图G_(UC) | 第27-28页 |
| 3.1.1 构建用户网络图G_U | 第27-28页 |
| 3.1.2 划分用户圈 | 第28页 |
| 3.1.3 构建用户圈网络图G_(UC) | 第28页 |
| 3.2 构建内容网络图G_(CT) | 第28-29页 |
| 3.3 构建内容-用户圈网络图G_(CC) | 第29-31页 |
| 3.3.1 计算用户发布的内容与指定内容的相似度 | 第29-30页 |
| 3.3.2 计算内容-用户圈的转移概率 | 第30页 |
| 3.3.3 计算用户圈-内容的转移概率 | 第30-31页 |
| 3.4 UGC质量评估计算方法(UCCC) | 第31-32页 |
| 3.4.1 构建转移概率矩阵 | 第31页 |
| 3.4.2 UGC质量评估计算方法 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于用户和内容联动关系的UGC内容质量评估 | 第33-36页 |
| 4.1 构建用户-内容网络图 | 第33-34页 |
| 4.1.1 计算内容到用户的边的权重 | 第33-34页 |
| 4.1.2 计算用户到内容的边的权重 | 第34页 |
| 4.2 构建转移概率矩阵 | 第34页 |
| 4.3 UCC算法进行UGC质量评估 | 第34-35页 |
| 4.4 本章小结 | 第35-36页 |
| 第五章 UGC内容质量评估实验 | 第36-50页 |
| 5.1 数据准备和预处理 | 第36-37页 |
| 5.2 构建用户网络图并划分用户圈 | 第37-39页 |
| 5.3 实验及结果分析 | 第39-48页 |
| 5.4 本章小结 | 第48-50页 |
| 第六章 总结与展望 | 第50-51页 |
| 6.1 本文的工作总结 | 第50页 |
| 6.2 未来展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间发表的论文 | 第54页 |