微博词共现分析与意见领袖识别研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 中文文摘 | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| 第一节 课题研究背景及意义 | 第10-11页 |
| 第二节 国内外研究现状 | 第11-15页 |
| 2.1 微博突发话题检测方法 | 第11-12页 |
| 2.2 徽博情感分析方法 | 第12-13页 |
| 2.3 微博意见领袖检测方法 | 第13-15页 |
| 第三节 主要研究内容以及组织结构 | 第15-18页 |
| 3.1 主要研究内容 | 第15-16页 |
| 3.2 本文组织结构 | 第16-18页 |
| 第二章 相关研究基础知识 | 第18-28页 |
| 第一节 徽博相关知识 | 第18-20页 |
| 1.1 微博信息及传播简介 | 第18-20页 |
| 1.2 微博用户及用户关系简介 | 第20页 |
| 第二节 微博数据收集方法 | 第20-22页 |
| 2.1 基于微博开放平台的数据获取方法 | 第21-22页 |
| 2.2 基于页面解析的数据获取方法 | 第22页 |
| 第三节 微博数据预处理 | 第22-23页 |
| 第四节 相关算法简介 | 第23-26页 |
| 4.1 粗糙集理论简介 | 第23-24页 |
| 4.2 PageRank算法简介 | 第24-25页 |
| 4.3 最小二乘法简介 | 第25-26页 |
| 第五节 本章小结 | 第26-28页 |
| 第三章 基于词共现关系和粗糙集的微博话题检测方法 | 第28-40页 |
| 第一节 通用基础定义 | 第28-31页 |
| 第二节 共现关系词簇建立 | 第31-33页 |
| 2.1 传统词共现方法 | 第31-32页 |
| 2.2 相关度矩阵求取话题极大完全子图 | 第32-33页 |
| 第三节 改进粗糙集理论的词簇 | 第33-34页 |
| 第四节 话题检测流程 | 第34-35页 |
| 第五节 实验结果及分析 | 第35-38页 |
| 5.1 实验数据说明 | 第35-36页 |
| 5.2 评价指标说明 | 第36-37页 |
| 5.3 实验结果分析 | 第37-38页 |
| 第六节 本章小结 | 第38-40页 |
| 第四章 基于词共现和情感元素的突发话题检测算法 | 第40-52页 |
| 第一节 相关形式化定义 | 第40-42页 |
| 第二节 突发情感的检测和获取 | 第42-43页 |
| 第三节 情感的共现簇识别 | 第43-44页 |
| 第四节 情感的共现簇识别及模型框架 | 第44-46页 |
| 第五节 实验结果与分析 | 第46-49页 |
| 5.1 实验数据说明 | 第46页 |
| 5.2 实验评价指标 | 第46-47页 |
| 5.3 实验结果分析 | 第47-49页 |
| 第六节 本章小结 | 第49-52页 |
| 第五章 一种特定话题传播网络中的意见领袖检测方法 | 第52-62页 |
| 第一节 传统的识别模型 | 第52-53页 |
| 第二节 模型改进的理论基础 | 第53-54页 |
| 第三节 模型改进的理论基础 | 第54-56页 |
| 第四节 数据收集和模型检测框架 | 第56-57页 |
| 第五节 实验结果分析 | 第57-61页 |
| 5.1 实验数据说明 | 第57页 |
| 5.2 微博话题生存期变化情况 | 第57-58页 |
| 5.3 转发网络中的长尾现象 | 第58-60页 |
| 5.4 意见领袖的评估 | 第60-61页 |
| 第六节 本章小结 | 第61-62页 |
| 第六章 结论 | 第62-64页 |
| 第一节 总结 | 第62-63页 |
| 第二节 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间承担的科研任务与主要成果 | 第68-70页 |
| 致谢 | 第70-72页 |
| 个人简历 | 第72-74页 |
