| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-16页 |
| 1.1.1 在线社交网络 | 第10-12页 |
| 1.1.2 短文本分类 | 第12-13页 |
| 1.1.3 推荐系统 | 第13-15页 |
| 1.1.4 文本主客观分类 | 第15页 |
| 1.1.5 研究意义 | 第15-16页 |
| 1.2 本文主要工作 | 第16-17页 |
| 1.3 论文结构 | 第17-19页 |
| 第二章 相关技术研究 | 第19-30页 |
| 2.1 文本相似度计算 | 第19-22页 |
| 2.1.1 TF · IDF与余弦定理计算文本相似度 | 第19-20页 |
| 2.1.2 汉明距离 | 第20-21页 |
| 2.1.3 莱温斯坦距离 | 第21页 |
| 2.1.4 Jaro距离 | 第21-22页 |
| 2.2 机器学习 | 第22页 |
| 2.3 短文本分类技术 | 第22-25页 |
| 2.4 文本分类特征选取 | 第25-26页 |
| 2.5 主客观分类 | 第26-27页 |
| 2.6 文本质量评估 | 第27-28页 |
| 2.7 动态阈值技术 | 第28页 |
| 2.8 Twitter相关研究 | 第28-29页 |
| 2.9 本章小结 | 第29-30页 |
| 第三章 面向微博的文本质量评估模型 | 第30-52页 |
| 3.1 相关概念 | 第30-32页 |
| 3.1.1 JSON数据格式 | 第30-31页 |
| 3.1.2 Twitter数据格式 | 第31-32页 |
| 3.2 模型总览 | 第32-33页 |
| 3.3 预处理模块 | 第33-36页 |
| 3.4 网址扩展 | 第36页 |
| 3.5 文本质量计算 | 第36-37页 |
| 3.6 推送策略 | 第37-39页 |
| 3.7 文本质量评估系统实现 | 第39-45页 |
| 3.7.1 模拟实验设计 | 第39页 |
| 3.7.2 问题分析 | 第39-41页 |
| 3.7.3 文本预处理模块 | 第41-42页 |
| 3.7.4 网址扩展模块 | 第42-44页 |
| 3.7.5 关键词抽取模块 | 第44-45页 |
| 3.8 系统实验与结果分析 | 第45-51页 |
| 3.8.1 推送测试结果 | 第49-51页 |
| 3.9 本章小结 | 第51-52页 |
| 第四章 面向微博的文本主客观分类算法 | 第52-59页 |
| 4.1 基于 2-POS模式的文本主客观分类方法介绍与分析 | 第52-53页 |
| 4.1.1 N-POS模式介绍 | 第52-53页 |
| 4.1.2 分类方法分析 | 第53页 |
| 4.2 基于 2-both-POS模式的文本主客观分类算法 | 第53-55页 |
| 4.3 算法实验与结果 | 第55-58页 |
| 4.3.1 排序表评价实验 | 第56页 |
| 4.3.2 主客观分类实验 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 结束语 | 第59-62页 |
| 5.1 工作总结 | 第59-60页 |
| 5.2 工作展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 作者在学期间取得的学术成果 | 第68页 |
