基于用户特征属性的微博话题关键用户挖掘
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 引言 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 社交网络的消息传递 | 第14页 |
| 1.2.2 用户影响力度量 | 第14-16页 |
| 1.2.3 用户相关特征属性的分析 | 第16-18页 |
| 1.3 现有研究评述 | 第18-19页 |
| 1.4 研究目标与内容 | 第19-22页 |
| 1.4.1 研究目标 | 第19页 |
| 1.4.2 研究内容 | 第19页 |
| 1.4.3 结构安排与技术路线 | 第19-22页 |
| 第二章 数据源选择和获取 | 第22-40页 |
| 2.1 数据获取方式的选择 | 第22-29页 |
| 2.1.1 腾讯API方式说明 | 第22-28页 |
| 2.1.2 API与爬虫的效率对比 | 第28-29页 |
| 2.2 数据源的选择 | 第29-30页 |
| 2.2.1 博友的构成 | 第29页 |
| 2.2.2 话题的热度 | 第29-30页 |
| 2.2.3 微博用户关系 | 第30页 |
| 2.3 数据源的获取 | 第30-34页 |
| 2.3.1 模拟登陆 | 第30-31页 |
| 2.3.2 页面元素解析 | 第31-34页 |
| 2.4 爬虫常见问题分析 | 第34-36页 |
| 2.5 微博数据存储 | 第36-39页 |
| 2.5.1 微博数据的获取流程 | 第36-38页 |
| 2.5.2 数据存储表设计 | 第38-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第三章 关键用户特征属性的分析及挖掘模型的构建 | 第40-50页 |
| 3.1 关键用户的特征属性分析 | 第40-46页 |
| 3.1.1 时间属性分析 | 第40-43页 |
| 3.1.2 用户交互属性分析 | 第43-44页 |
| 3.1.3 交互关系模型构建 | 第44-46页 |
| 3.2 关键用户定义 | 第46-47页 |
| 3.3 关键用户挖掘模型构建 | 第47-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 算法实例分析 | 第50-64页 |
| 4.1 PageRank算法的分析 | 第50-54页 |
| 4.1.1 PageRank起源 | 第50-51页 |
| 4.1.2 PageRank的定义 | 第51-52页 |
| 4.1.3 PageRank计算方法 | 第52-53页 |
| 4.1.4 PR算法计算微博话题关键用户的不足 | 第53-54页 |
| 4.2 MUR算法实现 | 第54-56页 |
| 4.3 实验数据 | 第56页 |
| 4.4 算法比较 | 第56-61页 |
| 4.4.1 不同算法关键用户挖掘结果 | 第57页 |
| 4.4.2 关键用户时间属性的验证 | 第57-59页 |
| 4.4.3 关键用户的交互验证 | 第59-60页 |
| 4.4.4 社会关系影响力 | 第60-61页 |
| 4.4.5 算法相关性 | 第61页 |
| 4.5 本章小结 | 第61-64页 |
| 第五章 结论与展望 | 第64-66页 |
| 5.1 结论 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 作者简历及攻读学位期间发表的学术论文及研究成果 | 第72页 |
