基于新浪微博主题的用户影响力研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·问题提出 | 第11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·主题分类研究现状 | 第12页 |
| ·微博用户影响力研究现状 | 第12-13页 |
| ·主要研究内容 | 第13-14页 |
| ·论文组织结构 | 第14-16页 |
| 第2章 相关理论与技术 | 第16-26页 |
| ·主题分类与常见算法 | 第16-19页 |
| ·朴素贝叶斯 | 第16-17页 |
| ·K近邻分类算法 | 第17页 |
| ·支持向量机 | 第17-18页 |
| ·神经网络算法 | 第18-19页 |
| ·决策树分类算法 | 第19页 |
| ·主题模型 | 第19-22页 |
| ·LDA简介 | 第20页 |
| ·动态主题模型 | 第20-21页 |
| ·高阶主题模型 | 第21页 |
| ·多通路主题模型 | 第21-22页 |
| ·分布式主题模型 | 第22页 |
| ·PageRank算法 | 第22-24页 |
| ·关键技术 | 第24-25页 |
| ·结巴分词 | 第24页 |
| ·matplotlib | 第24-25页 |
| ·NumPy | 第25页 |
| ·正则表达式 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于关键词的微博消息主题分类 | 第26-42页 |
| ·问题提出 | 第26-27页 |
| ·基于主题的微博用户影响力整体处理流程 | 第27-28页 |
| ·基于关键词的微博消息主题分类分析 | 第28-29页 |
| ·基于关键词的微博消息主题分类过程 | 第29-41页 |
| ·分类标准 | 第29页 |
| ·关键词的构造 | 第29-34页 |
| ·微博消息数据预处理 | 第34-38页 |
| ·微博消息主题分类 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 主题相关的用户影响力研究 | 第42-56页 |
| ·问题提出 | 第42-43页 |
| ·新浪微博与Twitter差异 | 第43页 |
| ·TwitterRank算法及其改进 | 第43-47页 |
| ·TwitterRank算法 | 第44-45页 |
| ·改进的TwitterRank算法 | 第45-47页 |
| ·主题相关的微博用户影响力计算 | 第47-54页 |
| ·用户主题相似度矩阵计算 | 第47-49页 |
| ·用户时间相似度矩阵计算 | 第49-51页 |
| ·微博影响度计算 | 第51-53页 |
| ·微博用户影响力计算 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第5章 实验分析 | 第56-70页 |
| ·实验环境 | 第56页 |
| ·数据获取与分析 | 第56-61页 |
| ·数据获取 | 第56-57页 |
| ·数据存储 | 第57-58页 |
| ·数据分析 | 第58-61页 |
| ·实验结果分析 | 第61-68页 |
| ·基于关键词的微博消息主题分类 | 第61-66页 |
| ·主题相关的用户影响力 | 第66-68页 |
| ·本章小结 | 第68-70页 |
| 第6章 结论与展望 | 第70-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-82页 |
| 攻读学位期间发表的论文 | 第82页 |
