社交媒体文本数据挖掘算法及应用
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究意义及目的 | 第12页 |
| 1.2 社交媒体文本挖掘的研究背景 | 第12-13页 |
| 1.3 论文的主要工作 | 第13-14页 |
| 1.4 论文的组织 | 第14-16页 |
| 第二章 背景知识及相关技术介绍 | 第16-20页 |
| 2.1 社交媒体:微博平台 | 第16-17页 |
| 2.2 社交媒体分析相关任务介绍 | 第17-18页 |
| 2.2.1 微博用户个性化标签抽取 | 第17-18页 |
| 2.2.2 微博事件抽取 | 第18页 |
| 2.3 文本挖掘技术介绍 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 基于稀疏模型的用户标签抽取技术 | 第20-38页 |
| 3.1 引言 | 第20-21页 |
| 3.2 微博用户标签抽取相关工作介绍 | 第21-22页 |
| 3.3 整体框架 | 第22-24页 |
| 3.3.1 整体框架 | 第22-23页 |
| 3.3.2 数据归一化 | 第23-24页 |
| 3.4 基于特征选择的标签生成和标签扩展 | 第24-28页 |
| 3.4.1 特征选择模型 | 第24-26页 |
| 3.4.2 用户标签生成 | 第26-27页 |
| 3.4.3 标签扩展 | 第27-28页 |
| 3.4.4 标签优化 | 第28页 |
| 3.5 实验及结果分析 | 第28-36页 |
| 3.5.1 实验设置 | 第28-30页 |
| 3.5.2 对比方法 | 第30-31页 |
| 3.5.3 评价方法 | 第31-33页 |
| 3.5.4 实验结果 | 第33-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第四章 基于多视角词聚类的微博事件抽取方法 | 第38-52页 |
| 4.1 引言 | 第38-39页 |
| 4.2 微博事件抽取相关工作介绍 | 第39-40页 |
| 4.3 多视角词聚类模型框架 | 第40-46页 |
| 4.3.1 主题模型 | 第41-43页 |
| 4.3.2 时序分析 | 第43-44页 |
| 4.3.3 多视角聚类模型 | 第44-46页 |
| 4.4 实验及结果分析 | 第46-51页 |
| 4.4.1 实验设置 | 第46-47页 |
| 4.4.2 对比方法 | 第47-50页 |
| 4.4.3 定性分析 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 工作总结 | 第52-53页 |
| 5.2 未来工作 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-61页 |
| 附录 | 第61-63页 |
