基于微博结构的热点话题预测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第2章 微博平台与相关理论研究 | 第14-25页 |
| 2.1 微博平台 | 第14-16页 |
| 2.1.1 微博基本组成元素 | 第14-15页 |
| 2.1.2 微博基本功能 | 第15页 |
| 2.1.3 微博信息传播特征 | 第15-16页 |
| 2.2 自然语言处理 | 第16-20页 |
| 2.2.1 中文分词 | 第16-17页 |
| 2.2.2 文本聚类 | 第17-18页 |
| 2.2.3 词共现图模型 | 第18-20页 |
| 2.3 预测模型 | 第20-24页 |
| 2.3.1 回归预测模型 | 第20-21页 |
| 2.3.2 时间序列模型 | 第21-22页 |
| 2.3.3 灰色理论预测模型 | 第22-23页 |
| 2.3.4 BP神经网络模型 | 第23页 |
| 2.3.5 微分方程模型 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 热点话题发现及预测系统设计 | 第25-35页 |
| 3.1 系统框架 | 第25-27页 |
| 3.2 爬虫模块 | 第27-29页 |
| 3.3 热点微博判别模块 | 第29-32页 |
| 3.4 话题抽取模块 | 第32-33页 |
| 3.5 话题趋势预测模块 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 热点微博筛选模块 | 第35-43页 |
| 4.1 用户影响力模型 | 第35-36页 |
| 4.2 微博影响力模型 | 第36-37页 |
| 4.3 热点微博判别模型 | 第37-38页 |
| 4.4 实验设计与分析 | 第38-42页 |
| 4.4.1 实验数据 | 第39-40页 |
| 4.4.2 实验设计 | 第40-41页 |
| 4.4.3 实验结果及分析 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 微博话题趋势预测模块 | 第43-54页 |
| 5.1 SIR模型简介 | 第43-45页 |
| 5.2 基于SIR的微博话题传播趋势预测模型 | 第45-50页 |
| 5.2.1 对比实验 | 第45-47页 |
| 5.2.2 模型建立 | 第47-50页 |
| 5.3 实验设计与结果分析 | 第50-53页 |
| 5.3.1 实验设计 | 第50-52页 |
| 5.3.2 结果分析 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第6章 系统总体评估 | 第54-58页 |
| 6.1 实验设计与实验数据 | 第54-56页 |
| 6.2 实验结果与分析 | 第56-57页 |
| 6.3 本章小结 | 第57-58页 |
| 第7章 总结与展望 | 第58-60页 |
| 7.1 本文工作总结 | 第58-59页 |
| 7.2 未来工作展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65页 |
| 论文发表 | 第65页 |
| 软件著作权 | 第65页 |
