基于微博的用户兴趣分析及预测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究的背景和意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究内容与创新点 | 第10-11页 |
| 1.4 论文组织 | 第11-13页 |
| 第二章 相关知识及概念 | 第13-21页 |
| 2.1 微博 | 第13-14页 |
| 2.2 支持向量机 | 第14-15页 |
| 2.3 主题模型 | 第15-19页 |
| 2.4 最大熵模型 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 数据采集及处理 | 第21-29页 |
| 3.1 微博数据采集 | 第21-25页 |
| 3.1.1 使用新浪API采集数据 | 第21-23页 |
| 3.1.2 使用爬虫程序采集数据 | 第23-24页 |
| 3.1.3 微博内容处理 | 第24-25页 |
| 3.2 噪音微博过滤 | 第25-28页 |
| 3.2.1 噪音微博过滤器的构建 | 第25-28页 |
| 3.2.2 噪音微博过滤器的使用 | 第28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 基于微博的用户兴趣分析 | 第29-35页 |
| 4.1 概述 | 第29页 |
| 4.2 主题模型的构建 | 第29-32页 |
| 4.3 用户兴趣分析 | 第32-34页 |
| 4.4 本章小结 | 第34-35页 |
| 第五章 基于微博的用户兴趣预测 | 第35-39页 |
| 5.1 概述 | 第35页 |
| 5.2 兴趣预测模型的构建 | 第35-37页 |
| 5.3 用户兴趣预测 | 第37-38页 |
| 5.4 本章小结 | 第38-39页 |
| 第六章 系统实现与实验分析 | 第39-48页 |
| 6.1 系统实现 | 第39-44页 |
| 6.1.1 系统开发工具 | 第39页 |
| 6.1.2 系统框架 | 第39-40页 |
| 6.1.3 系统实现 | 第40-44页 |
| 6.2 实验分析 | 第44-47页 |
| 6.3 本章小结 | 第47-48页 |
| 第七章 总结与展望 | 第48-50页 |
| 7.1 总结 | 第48页 |
| 7.2 展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第55-56页 |
| 致谢 | 第56页 |
