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 研究背景及意义 | 第9页 |
1.2 国内外研究现状 | 第9-12页 |
1.2.1 国内外话题检测研究现状 | 第9-11页 |
1.2.2 国内外微博影响力分析现状 | 第11-12页 |
1.3 论文的主要工作 | 第12-13页 |
1.4 论文组织 | 第13-14页 |
第二章 社交网络舆情分析相关技术 | 第14-24页 |
2.1 网络舆情分析机制 | 第14-15页 |
2.1.1 互联网舆情的意义 | 第14页 |
2.1.2 互联网舆情分析机制 | 第14-15页 |
2.2 文本聚类和话题模型技术 | 第15-21页 |
2.2.1 文本聚类技术 | 第15-16页 |
2.2.2 话题模型 | 第16-20页 |
2.2.3 相似度测量 | 第20-21页 |
2.3 影响力排名技术 | 第21-23页 |
2.3.1 Pagerank算法 | 第21-22页 |
2.3.2 微博用户影响力度量 | 第22-23页 |
2.4 本章小结 | 第23-24页 |
第三章 基于文本聚类和主题模型的微博话题检测算法 | 第24-36页 |
3.1 带有微博传播特征的数据集获取标准的制定 | 第24-27页 |
3.1.1 微博数据集获取方案 | 第24-25页 |
3.1.2 数据集描述和分析 | 第25-27页 |
3.2 话题抽取的预处理 | 第27-28页 |
3.3 基于词向量的聚类处理 | 第28-29页 |
3.3.1 改进的TF-IDF权重计算 | 第28-29页 |
3.3.2 文本聚类分析 | 第29页 |
3.4 基于微博的LDA主题模型 | 第29-32页 |
3.4.1 LDA主题挖掘模型 | 第29-30页 |
3.4.2 基于微博话题的修改模型 | 第30-32页 |
3.5 实验及分析 | 第32-35页 |
3.5.1 数据来源及预处理 | 第32页 |
3.5.2 评测方法 | 第32页 |
3.5.3 实验效果 | 第32-35页 |
3.6 本章小结 | 第35-36页 |
第四章 基于Pagerank微博信息传播影响力评估模型 | 第36-50页 |
4.1 数据集质量评估分析 | 第36-39页 |
4.1.1 微博社区中用户节点交互方式 | 第36-37页 |
4.1.2 用户节点出度/入度分析 | 第37-38页 |
4.1.3 用户节点平均聚类系数 | 第38页 |
4.1.4 用户节点平均路径长度 | 第38-39页 |
4.2 微博传播影响力因子 | 第39-44页 |
4.2.1 微博用户行为特征分析 | 第39-40页 |
4.2.2 个体活跃度分析 | 第40-41页 |
4.2.3 节点受关注度分析 | 第41-42页 |
4.2.4 用户节点质量 | 第42-44页 |
4.3 一种改进后的微博影响力评价模型 | 第44-46页 |
4.3.1 微博传播影响力评价模型 | 第44页 |
4.3.2 基于Pagerank的微博信息传播影响力评估算法 | 第44-46页 |
4.4 实验及分析 | 第46-49页 |
4.4.1 数据采集 | 第46页 |
4.4.2 微博影响力排名结果分析 | 第46-49页 |
4.5 本章小结 | 第49-50页 |
第五章 微博舆情分析系统设计与实例研究 | 第50-60页 |
5.1 基于微博平台的社交网络舆情分析系统 | 第50-52页 |
5.1.1 流程管理与功能实现模块 | 第50-51页 |
5.1.2 用户交互与数据可视化模块 | 第51-52页 |
5.2 实例描述与分析 | 第52-59页 |
5.2.1 实例背景 | 第52页 |
5.2.2 微博舆情分析提取过程描述 | 第52-53页 |
5.2.3 数据可视化处理 | 第53-54页 |
5.2.4 分析结果与系统交互 | 第54-59页 |
5.3 本章小结 | 第59-60页 |
第六章 总结与展望 | 第60-62页 |
6.1 总结 | 第60页 |
6.2 展望 | 第60-62页 |
参考文献 | 第62-64页 |
附录1 攻读硕士学位期间撰写的论文 | 第64-65页 |
附录2 攻读硕士学位期间申请的专利 | 第65-66页 |
附录3 攻读硕士学位期间参加的科研项目 | 第66-67页 |
致谢 | 第67页 |