基于微博的流行词汇预测系统的设计与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·项目背景 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·社交网络数据挖掘 | 第8-9页 |
| ·社交网络中用户间的影响 | 第9-10页 |
| ·论文的主要工作 | 第10-11页 |
| ·论文结构 | 第11-13页 |
| 第二章 相关理论与技术 | 第13-17页 |
| ·社交网络相关理论 | 第13-14页 |
| ·社交网络的影响 | 第13页 |
| ·Twitter 作为具体研究对象 | 第13-14页 |
| ·流数据挖掘 | 第14-16页 |
| ·流数据 | 第14页 |
| ·数据挖掘 | 第14-15页 |
| ·流数据挖掘 | 第15-16页 |
| ·微博内容挖掘 | 第16页 |
| ·本章小结 | 第16-17页 |
| 第三章 流行词预测系统的需求分析与设计 | 第17-37页 |
| ·需求分析 | 第17-18页 |
| ·总体设计 | 第18-20页 |
| ·名词解释 | 第18页 |
| ·系统总体设计 | 第18-20页 |
| ·Twitter 中的数据提取模块设计 | 第20-22页 |
| ·Tweets 文本预处理模块设计 | 第22-28页 |
| ·文本噪声去除与分词 | 第22-23页 |
| ·停用词的去除 | 第23-24页 |
| ·统计词频 | 第24-25页 |
| ·关键用户模型 | 第25-28页 |
| ·爆发词获取模块设计 | 第28-30页 |
| ·用户行为影响分析模块设计 | 第30-35页 |
| ·影响传播相关概念 | 第30-31页 |
| ·综合门限模型 | 第31-33页 |
| ·伯努利离散时间模型 | 第33-35页 |
| ·流行词传播趋势分析模块设计 | 第35页 |
| ·本章小结 | 第35-37页 |
| 第四章 流行词预测系统的实现 | 第37-51页 |
| ·Twitter 中的数据提取模块实现 | 第37-39页 |
| ·爆发词提取模块的实现 | 第39-43页 |
| ·文本噪声去除与分词 | 第39-41页 |
| ·统计词频 | 第41-42页 |
| ·辨识重要用户 | 第42页 |
| ·爆发词获取 | 第42-43页 |
| ·用户行为影响模块的实现 | 第43-46页 |
| ·流行词传播趋势分析模块的实现 | 第46-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 实验与分析 | 第51-59页 |
| ·实验简介 | 第51-52页 |
| ·实验流程 | 第52-56页 |
| ·实验结果分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·工作总结 | 第59-60页 |
| ·进一步工作展望 | 第60-61页 |
| ·本文存在的不足 | 第60页 |
| ·后续研究工作 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 读研期间研究成果 | 第67-68页 |
