基于事件网络的微博个性化信息推荐研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 课题来源 | 第13页 |
| 1.2 研究背景及意义 | 第13-14页 |
| 1.3 研究现状 | 第14-16页 |
| 1.4 主要研究内容 | 第16-18页 |
| 第二章 关键理论和技术 | 第18-30页 |
| 2.1 用于文本表示的事件网络模型 | 第18-24页 |
| 2.1.1 事件的定义 | 第19-20页 |
| 2.1.2 事件本体 | 第20-22页 |
| 2.1.3 事件网络 | 第22-24页 |
| 2.2 复杂网络的社区发现研究 | 第24-26页 |
| 2.2.1 复杂网络概述 | 第24-25页 |
| 2.2.2 复杂网络的社区发现研究 | 第25-26页 |
| 2.3 个性化信息推荐 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 微博与新闻的关联研究 | 第30-46页 |
| 3.1 微博平台的特点分析 | 第30-31页 |
| 3.2 微博数据的获取 | 第31-35页 |
| 3.3 微博文本预处理 | 第35-40页 |
| 3.3.1 数据预处理 | 第35-39页 |
| 3.3.2 分词与词性标注 | 第39-40页 |
| 3.4 微博与新闻的关联策略 | 第40-45页 |
| 3.4.1 关联策略研究 | 第40-43页 |
| 3.4.2 实验与分析 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于事件网络的社区发现研究 | 第46-56页 |
| 4.1 事件网络的建立 | 第46-50页 |
| 4.1.1 基于本体的事件网络构建 | 第46-47页 |
| 4.1.2 基于语句分析的事件网络构建 | 第47-50页 |
| 4.2 基于事件网络的社区发现算法 | 第50-53页 |
| 4.2.1 网络社区的定义 | 第50页 |
| 4.2.2 ENCDA 算法的思想 | 第50-51页 |
| 4.2.3 事件相似度的计算 | 第51-52页 |
| 4.2.4 ENCDA 算法的步骤 | 第52-53页 |
| 4.3 实验和分析 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 个性化信息推荐原型系统的设计与实现 | 第56-72页 |
| 5.1 系统的设计思想 | 第56-58页 |
| 5.2 系统主要模块设计 | 第58-66页 |
| 5.2.1 微博抓取和处理模块 | 第59页 |
| 5.2.2 新闻抓取和处理模块 | 第59-61页 |
| 5.2.3 文本表示与话题检测模块 | 第61-62页 |
| 5.2.4 用户建模模块 | 第62-65页 |
| 5.2.5 信息推荐模块 | 第65-66页 |
| 5.3 展示模块 | 第66-68页 |
| 5.4 系统运行实验及分析 | 第68-71页 |
| 5.4.1 实验方案 | 第68-69页 |
| 5.4.2 实验结果和分析 | 第69-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 结论 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第78-79页 |
| 作者在攻读硕士学位期间所作的项目 | 第79-80页 |
| 致谢 | 第80页 |
