微博广告推荐关键技术研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 引言 | 第10-11页 |
| 1.2 研究背景及意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 论文的研究工作 | 第13-15页 |
| 1.5 论文的组织及内容 | 第15-16页 |
| 第2章 相关技术及研究 | 第16-26页 |
| 2.1 微博及其营销的发展与研究 | 第16-18页 |
| 2.1.1 微博简介 | 第16-17页 |
| 2.1.2 微博营销的发展 | 第17-18页 |
| 2.2 网络爬虫的概念及分类 | 第18-20页 |
| 2.2.1 网络爬虫的定义 | 第18页 |
| 2.2.2 网络爬虫的分类 | 第18-20页 |
| 2.3 文本的表示模型 | 第20-23页 |
| 2.3.1 布尔模型 | 第20-21页 |
| 2.3.2 向量空间模型 | 第21-22页 |
| 2.3.3 概率模型 | 第22-23页 |
| 2.4 聚类分析相关研究 | 第23-24页 |
| 2.4.1 聚类的概念 | 第23页 |
| 2.4.2 常用的聚类方法 | 第23-24页 |
| 2.5 现有方法的不足 | 第24页 |
| 2.6 本章小结 | 第24-26页 |
| 第3章 微博广告推荐关键技术研究 | 第26-40页 |
| 3.1 问题描述 | 第26-27页 |
| 3.2 基本思想 | 第27-28页 |
| 3.3 用户微博文本获取 | 第28-31页 |
| 3.3.1 微博用户兴趣特点及分类 | 第28-29页 |
| 3.3.2 微博时光轴提取算法 | 第29-30页 |
| 3.3.3 微博文本预处理 | 第30-31页 |
| 3.4 微博广告特征提取及用户兴趣分析 | 第31-35页 |
| 3.4.1 广告关键词提取 | 第32页 |
| 3.4.2 用户兴趣分类提取算法 | 第32-35页 |
| 3.5 用户广告推荐算法 | 第35-39页 |
| 3.5.1 余弦相似度计算 | 第36-37页 |
| 3.5.2 多数相似度择优算法 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 实验结果与分析 | 第40-50页 |
| 4.1 实验文本收集 | 第40-41页 |
| 4.2 初始聚类点选择算法验证 | 第41-42页 |
| 4.3 微博广告推荐算法验证 | 第42-48页 |
| 4.3.1 数据预处理 | 第42-43页 |
| 4.3.2 微博广告推荐算法阈值设定 | 第43-45页 |
| 4.3.3 推荐算法实验分析 | 第45-48页 |
| 4.4 本章小结 | 第48-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第57-58页 |
| 致谢 | 第58页 |
