基于移动互联网社交行为的用户性格分析和预测
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究目的和意义 | 第10-11页 |
| 1.2 研究现状及发展趋势 | 第11-14页 |
| 1.2.1 研究现状 | 第11-13页 |
| 1.2.2 移动互联网的相关研究 | 第13-14页 |
| 1.3 主要工作 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 第2章 背景及相关知识 | 第16-24页 |
| 2.1 社交网络及微博 | 第16-18页 |
| 2.2 机器学习相关知识 | 第18-21页 |
| 2.2.1 机器学习发展历程 | 第18-20页 |
| 2.2.2 机器学习分类 | 第20-21页 |
| 2.3 本章小结 | 第21-24页 |
| 第3章 性格模型研究 | 第24-30页 |
| 3.1 性格模型概述 | 第24页 |
| 3.2 大五性格模型研究 | 第24-26页 |
| 3.3 其它性格模型研究 | 第26-28页 |
| 3.3.1 MBTI人格理论 | 第26-27页 |
| 3.3.2 九型人格理论 | 第27-28页 |
| 3.4 本章小结 | 第28-30页 |
| 第4章 数据集构建 | 第30-36页 |
| 4.1 微博爬虫实现 | 第31-33页 |
| 4.1.1 微博爬虫功能模块 | 第31-32页 |
| 4.1.2 微博爬虫爬取流程 | 第32-33页 |
| 4.2 合格用户过滤 | 第33页 |
| 4.3 用户性格标注 | 第33-34页 |
| 4.4 本章小结 | 第34-36页 |
| 第5章 性格特征提取和特征选择 | 第36-46页 |
| 5.1 社交行为数据分析及特征提取 | 第36-38页 |
| 5.1.1 微博移动端用户社交行为特点分析 | 第36-37页 |
| 5.1.1.1 地理位置信息 | 第36页 |
| 5.1.1.2 微博发布频率 | 第36-37页 |
| 5.1.1.3 原创微博平均字数 | 第37页 |
| 5.1.1.4 原创微博含图片比例 | 第37页 |
| 5.1.2 社交行为数据的特征提取 | 第37-38页 |
| 5.2 微博文本数据的特征提取 | 第38-42页 |
| 5.2.1 对微博文本进行分词处理 | 第39页 |
| 5.2.2 心理学词典LIWC | 第39-41页 |
| 5.2.3 分词结果映射为性格特征 | 第41-42页 |
| 5.3 特征选择 | 第42-44页 |
| 5.4 本章小结 | 第44-46页 |
| 第6章 性格预测与结果分析 | 第46-60页 |
| 6.1 性格预测算法研究 | 第46-55页 |
| 6.1.1 算法选择与分析 | 第46-47页 |
| 6.1.2 逻辑回归算法 | 第47-48页 |
| 6.1.3 SVM算法 | 第48-51页 |
| 6.1.4 算法使用及模型调优 | 第51-55页 |
| 6.2 预测结果的分析与比较 | 第55-58页 |
| 6.2.1 预测结果的准确率对比分析 | 第55-56页 |
| 6.2.2 三分类与五分类预测结果对比 | 第56-57页 |
| 6.2.3 行为特征与文本特征对于预测结果的影响 | 第57-58页 |
| 6.3 本章小结 | 第58-60页 |
| 第7章 总结和应用展望 | 第60-64页 |
| 7.1 研究的不足及展望 | 第60-61页 |
| 7.2 研究成果的应用 | 第61-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70-73页 |
| 附录A 大五性格测试表 | 第70-73页 |
| 攻读学位期间发表论文与研究成果清单 | 第73-74页 |
| 致谢 | 第74页 |
