| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 相关技术介绍 | 第10-12页 |
| 1.3.1 数据挖掘技术 | 第10-11页 |
| 1.3.2 社交网络数据挖掘技术 | 第11-12页 |
| 1.4 论文的内容结构 | 第12-15页 |
| 2 用户标签推荐数据获取 | 第15-27页 |
| 2.1 基于新浪微博API的微博数据获取 | 第16-20页 |
| 2.2 基于网络爬虫的微博数据获取 | 第20-24页 |
| 2.2.1 网络爬虫技术 | 第20-23页 |
| 2.2.2 页面解析技术 | 第23-24页 |
| 2.3 两种获取方式的比较与选择 | 第24-27页 |
| 3 用户标签推荐数据预处理 | 第27-39页 |
| 3.1 新浪微博API获取数据预处理 | 第27-30页 |
| 3.2 网络爬虫获取数据预处理 | 第30页 |
| 3.3 用户标签推荐数据库设计 | 第30-39页 |
| 3.3.1 数据库分析 | 第30-33页 |
| 3.3.2 数据库详细设计 | 第33-34页 |
| 3.3.3 数据库操作类设计 | 第34-39页 |
| 4 用户标签推荐方法研究 | 第39-45页 |
| 4.1 基于TF-IDF与权重相结合的用户标签推荐算法 | 第39-41页 |
| 4.2 基于用户交互关系的Tag Rank标签推荐算法 | 第41-42页 |
| 4.3 基于关注者相似度分析的标签推荐算法 | 第42-43页 |
| 4.4 用户标签推荐方法的相似度过滤和排名 | 第43-45页 |
| 5 实验与性能评估 | 第45-51页 |
| 5.1 实验数据与实验环境 | 第45-47页 |
| 5.2 实验设计与结果 | 第47-51页 |
| 6 总结和展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |