| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 论文章节安排 | 第14-16页 |
| 第二章 相关理论基础及技术 | 第16-24页 |
| 2.1 人际吸引 | 第16-17页 |
| 2.2 基于内容的推荐算法 | 第17-19页 |
| 2.3 LDA主题模型 | 第19-20页 |
| 2.4 基于情感词典的文本情感倾向分析 | 第20-21页 |
| 2.5 文本聚类算法 | 第21-23页 |
| 2.5.1 基于划分的聚类算法 | 第22页 |
| 2.5.2 基于层次的聚类算法 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 融合用户兴趣和受欢迎能力的好友推荐算法 | 第24-38页 |
| 3.1 研究背景 | 第24页 |
| 3.2 微博数据爬取与预处理 | 第24-29页 |
| 3.2.1 微博数据的获取工具介绍 | 第24-25页 |
| 3.2.2 用户数据采集 | 第25-28页 |
| 3.2.3 数据采集结果 | 第28页 |
| 3.2.4 数据预处理 | 第28-29页 |
| 3.3 融合用户兴趣和受欢迎能力的好友推荐算法 | 第29-34页 |
| 3.3.1 基本思想 | 第29-30页 |
| 3.3.2 算法概述 | 第30-34页 |
| 3.4 实验分析 | 第34-37页 |
| 3.4.1 实验数据 | 第34页 |
| 3.4.2 评价指标 | 第34页 |
| 3.4.3 实验设计 | 第34-35页 |
| 3.4.4 实验结果与分析 | 第35-37页 |
| 3.5 本章小结: | 第37-38页 |
| 第四章 基于改进情感相似度算法的好友推荐算法 | 第38-50页 |
| 4.1 研究背景 | 第38页 |
| 4.2 传统余弦情感相似度算法存在的问题 | 第38-42页 |
| 4.2.1 余弦相似度算法概述 | 第38-39页 |
| 4.2.2 余弦情感相似度算法 | 第39-40页 |
| 4.2.3 存在问题及算法改进 | 第40-42页 |
| 4.3 改进情感相似度算法的好友推荐算法 | 第42-46页 |
| 4.3.1 基本思想 | 第42页 |
| 4.3.2 算法概述 | 第42-46页 |
| 4.4 实验分析 | 第46-49页 |
| 4.4.1 实验设计 | 第46页 |
| 4.4.2 实验结果分析 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 基于改进用户情感特征的好友推荐算法 | 第50-58页 |
| 5.1 研究背景 | 第50-51页 |
| 5.2 基于改进用户情感特征的好友推荐算法 | 第51-54页 |
| 5.2.1 基本思想 | 第51页 |
| 5.2.2 算法概述 | 第51-54页 |
| 5.3 实验分析 | 第54-57页 |
| 5.3.1 实验设计 | 第54-55页 |
| 5.3.2 实验结果分析 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 基于改进用户情感特征的好友推荐系统的设计与实践 | 第58-64页 |
| 6.1 研究背景 | 第58页 |
| 6.2 好友推荐系统总体设计 | 第58-59页 |
| 6.3 好友推荐系统实现 | 第59-62页 |
| 6.3.1 实现环境 | 第59页 |
| 6.3.2 预处理模块 | 第59-60页 |
| 6.3.3 用户交互模块 | 第60-62页 |
| 6.4 小结 | 第62-64页 |
| 第七章 总结与展望 | 第64-66页 |
| 7.1 工作总结 | 第64-65页 |
| 7.2 工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |