基于新浪微博的用户行为及情感预测模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第7-14页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 国外研究现状 | 第8-9页 |
| 1.2.2 国内研究现状 | 第9-12页 |
| 1.3 本文研究目标及主要内容 | 第12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 社交网络相关算法介绍 | 第14-20页 |
| 2.1 支持向量机算法 | 第14-17页 |
| 2.2 K近邻算法 | 第17-18页 |
| 2.3 CART决策树 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 社交网络数据获取技术应用 | 第20-27页 |
| 3.1 基于新浪微博API的数据提取 | 第20-24页 |
| 3.1.1 申请API接口 | 第21页 |
| 3.1.2 Java调用API提取数据 | 第21-23页 |
| 3.1.3 OAuth认证 | 第23页 |
| 3.1.4 Java模拟登陆新浪微博 | 第23-24页 |
| 3.2 新浪微博关系数据及热门话题的提取 | 第24-26页 |
| 3.2.1 用户粉丝信息的提取 | 第24页 |
| 3.2.2 用户所关注用户信息的提取 | 第24-25页 |
| 3.2.3 热门话题的提取 | 第25页 |
| 3.2.4 获取数据的整理 | 第25-26页 |
| 3.3 本章小结 | 第26-27页 |
| 4 社交网络中用户行为分析研究 | 第27-37页 |
| 4.1 用户行为分析及其重要性 | 第27-28页 |
| 4.2 分析指标 | 第28-30页 |
| 4.3 用户行为分析 | 第30-36页 |
| 4.3.1 用户转发微博行为分析 | 第30-34页 |
| 4.3.2 用户评论微博行为分析 | 第34-36页 |
| 4.4 结果分析 | 第36页 |
| 4.5 本章小结 | 第36-37页 |
| 5 微博情感预测模型的建立 | 第37-51页 |
| 5.1 MCEPM模型设计与描述 | 第37-38页 |
| 5.2 微博中相关特征提取 | 第38-39页 |
| 5.3 MCEPM模型工作原理 | 第39-40页 |
| 5.4 微博中文本分类性能评价指标 | 第40-41页 |
| 5.5 MCEPM分类步骤 | 第41-43页 |
| 5.6 实验内容及实验环境 | 第43-50页 |
| 5.6.1 数据处理 | 第43页 |
| 5.6.2 实验核心算法 | 第43-44页 |
| 5.6.3 权重对预测结果的影响 | 第44-46页 |
| 5.6.4 性能分析 | 第46-49页 |
| 5.6.5 结果分析 | 第49-50页 |
| 5.7 本章小结 | 第50-51页 |
| 6 结论与展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间发表论文 | 第56页 |
