结合影响力分析的微博舆情溯源研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1. 引言 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 相关研究现状 | 第11-13页 |
| 1.3 论文主要内容 | 第13-14页 |
| 2. 基于新浪微博的舆情溯源 | 第14-21页 |
| 2.1 微博功能及特点简述 | 第14-17页 |
| 2.2 针对微博的舆情溯源 | 第17-21页 |
| 2.2.1 舆情溯源及其重要性 | 第17页 |
| 2.2.2 针对微博的舆情溯源方法 | 第17-21页 |
| 3. 基于知网的词语相似度计算 | 第21-31页 |
| 3.1 不同知识体系的划分 | 第21-25页 |
| 3.1.1 同义词林 | 第21-23页 |
| 3.1.2 知网 | 第23-25页 |
| 3.1.3 同义词林与知网的比较 | 第25页 |
| 3.2 基于知网的文本相似度比较 | 第25-31页 |
| 3.2.1 经典算法 | 第25-27页 |
| 3.2.2 改进算法 | 第27-28页 |
| 3.2.3 结合深度系数的文本相似度算法 | 第28-31页 |
| 4. 同话题微博聚类 | 第31-41页 |
| 4.1 分词 | 第32-33页 |
| 4.2 特征词提取 | 第33-35页 |
| 4.3 主题相似度计算 | 第35-37页 |
| 4.4 聚类算法分析 | 第37-41页 |
| 4.4.1 算法思想分析 | 第37-39页 |
| 4.4.2 PAM算法简述 | 第39-41页 |
| 5. 微博影响力分析 | 第41-49页 |
| 5.1 微博影响力的分析与建模 | 第41-43页 |
| 5.2 微博用户影响力的经典算法 | 第43-45页 |
| 5.2.1 算法思想 | 第43页 |
| 5.2.2 PageRank算法 | 第43-44页 |
| 5.2.3 基于传播范围的微博用户影响力算法 | 第44-45页 |
| 5.3 结合用户个体特征的微博影响力算法 | 第45-49页 |
| 5.3.1 基于微博的用户影响力算法 | 第45-47页 |
| 5.3.2 微博影响力算法 | 第47-49页 |
| 6. 仿真结果及分析 | 第49-59页 |
| 6.1 基于知网的词语相似度仿真结果及分析 | 第49-51页 |
| 6.1.1 义原相似度仿真结果及分析 | 第49-50页 |
| 6.1.2 词语相似度仿真及结果分析 | 第50-51页 |
| 6.2 微博聚类仿真结果及分析 | 第51-54页 |
| 6.2.1 数据准备 | 第51-52页 |
| 6.2.2 评判标准 | 第52页 |
| 6.2.3 聚类结果及分析 | 第52-54页 |
| 6.3 微博影响力仿真结果及分析 | 第54-56页 |
| 6.3.1 用户影响力仿真 | 第54-55页 |
| 6.3.2 微博影响力 | 第55-56页 |
| 6.4 舆情溯源仿真结果及分析 | 第56-59页 |
| 6.4.1 数据准备 | 第56-57页 |
| 6.4.2 聚类结果 | 第57页 |
| 6.4.3 微博影响力过滤及源头查找 | 第57-58页 |
| 6.4.4 事件描述 | 第58-59页 |
| 7. 总结与展望 | 第59-61页 |
| 7.1 总结 | 第59页 |
| 7.2 展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 附录A | 第64-65页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第65-67页 |
| 学位论文数据集 | 第67页 |
