在线社交网络用户影响力量化研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文的主要工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 相关背景知识介绍 | 第14-26页 |
| 2.1 网络数据集获取方案 | 第14-15页 |
| 2.1.1 开源数据 | 第14页 |
| 2.1.2 网络爬虫 | 第14-15页 |
| 2.1.3 开放平台的API请求调用 | 第15页 |
| 2.2 微博数据获取方案 | 第15-17页 |
| 2.2.1 新浪微博API采集方法 | 第15-16页 |
| 2.2.2 基于WebMagic的数据采集方法 | 第16-17页 |
| 2.3 微博特性分析 | 第17-20页 |
| 2.3.1 微博社区用户节点交互方式分析 | 第17-18页 |
| 2.3.2 微博文本特性分析 | 第18-19页 |
| 2.3.3 微博用户及其行为的特性分析 | 第19-20页 |
| 2.4 微博消息的影响力评估 | 第20-21页 |
| 2.5 微博用户的影响力评估 | 第21-25页 |
| 2.5.1 用户影响力的直接量化 | 第22-23页 |
| 2.5.2 用户影响力的间接量化 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于线性加权的微博消息影响力量化模型 | 第26-37页 |
| 3.1 微博消息影响力量化的意义 | 第26-27页 |
| 3.2 微博消息影响力评价指标体系 | 第27-28页 |
| 3.3 微博消息影响力评价模型：MIQM | 第28-30页 |
| 3.3.1 地域分布指标有效性分析 | 第28-29页 |
| 3.3.2 基础模型选择 | 第29页 |
| 3.3.3 确定评价指标及各指标值 | 第29-30页 |
| 3.4 MIQM算法描述 | 第30页 |
| 3.5 实验 | 第30-36页 |
| 3.5.1 实验数据集 | 第30-32页 |
| 3.5.2 参数设置 | 第32-33页 |
| 3.5.3 综合评价 | 第33-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于LDA和KNN的微博领域分类算法 | 第37-46页 |
| 4.1 领域分类训练集 | 第37-39页 |
| 4.2 基于LDA的微博文本表示方法 | 第39-40页 |
| 4.3 基于LDA和KNN的微博领域分类描述 | 第40-42页 |
| 4.4 微博领域分类算法CDoL&K | 第42-43页 |
| 4.5 实验及分析 | 第43-45页 |
| 4.5.1 实验设置 | 第43页 |
| 4.5.2 评估方法 | 第43-44页 |
| 4.5.3 实验结果 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 基于消息的领域内微博用户影响力量化 | 第46-57页 |
| 5.1 微博用户影响力分析 | 第46-50页 |
| 5.1.1 计算微博文本的质量因子 | 第47页 |
| 5.1.2 计算微博文本在所属领域的权重 | 第47页 |
| 5.1.3 微博用户个体活跃度计算 | 第47-48页 |
| 5.1.4 领域内微博用户影响力计算 | 第48-49页 |
| 5.1.5 微博用户影响力评估算法ACIU | 第49-50页 |
| 5.2 实验及分析 | 第50-56页 |
| 5.2.1 数据采集 | 第50-53页 |
| 5.2.2 微博影响力排名结果分析 | 第53-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 研究工作总结 | 第57-58页 |
| 6.2 未来的研究工作 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 附录2 攻读硕士学位期间申请的专利 | 第62-63页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第63-64页 |
| 致谢 | 第64页 |
