| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-12页 |
| 1.1.1 社交网络简介 | 第9-10页 |
| 1.1.2 社交网络专业社区 | 第10-11页 |
| 1.1.3 社交网络话题监测 | 第11-12页 |
| 1.2 研究现状综述 | 第12-13页 |
| 1.2.1 社交网络专业社区研究综述 | 第12页 |
| 1.2.2 社交网络话题监测在专业社区的应用 | 第12-13页 |
| 1.3 本文主要研究工作 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 当前研究基础综述 | 第16-25页 |
| 2.1 数据挖掘相关技术简介 | 第16-17页 |
| 2.1.1 数据预处理 | 第16页 |
| 2.1.2 图挖掘 | 第16-17页 |
| 2.2 分类算法相关研究 | 第17-19页 |
| 2.2.1 逻辑回归算法 | 第17-18页 |
| 2.2.2 随机森林算法 | 第18页 |
| 2.2.3 梯度增强决策树算法 | 第18-19页 |
| 2.3 社区发现相关研究 | 第19-21页 |
| 2.3.1 基于图分割的社区发现算法 | 第19-20页 |
| 2.3.2 基于聚类的社区发现算法 | 第20-21页 |
| 2.3.3 基于分裂法的社区发现算法 | 第21页 |
| 2.4 社交网络话题监测模型相关研究 | 第21-25页 |
| 2.4.1 潜在狄利克雷模型 | 第21-23页 |
| 2.4.2 层次话题模型 | 第23-25页 |
| 第三章 社交网络专业领域社区发现模型 | 第25-42页 |
| 3.1 数据获取 | 第25-28页 |
| 3.1.1 备选目标用户群监测 | 第26-27页 |
| 3.1.2 用户社交网络数据获取 | 第27-28页 |
| 3.2 专业领域专家用户界定算法 | 第28-38页 |
| 3.2.1 用户特征提取 | 第29-34页 |
| 3.2.2 分类模型 | 第34页 |
| 3.2.3 算法实现与结果分析 | 第34-38页 |
| 3.3 用户社交网络构建及社区划分算法 | 第38-41页 |
| 3.3.1 社交网络构建及连接强度评估算法 | 第38-40页 |
| 3.3.2 基于连接强度的社区划分算法 | 第40页 |
| 3.3.3 算法实现与结果分析 | 第40-41页 |
| 3.4 本章总结 | 第41-42页 |
| 第四章 专业领域用户社区话题监测模型 | 第42-60页 |
| 4.1 社交网络数据特征 | 第42-43页 |
| 4.2 话题的层次结构 | 第43-45页 |
| 4.3 有监督的层次潜在狄利克雷分配算法 | 第45-54页 |
| 4.3.1 算法设计思想 | 第45-46页 |
| 4.3.2 话题重要性评估算法 | 第46-50页 |
| 4.3.3 话题展示形式 | 第50-51页 |
| 4.3.4 算法实现与结果分析 | 第51-54页 |
| 4.4 专业领域用户社区话题监测算法分布式解决方案 | 第54-58页 |
| 4.4.1 Hadoop平台简介 | 第55-56页 |
| 4.4.2 话题监测算法分布式解决方案 | 第56-57页 |
| 4.4.3 算法实现及结果分析 | 第57-58页 |
| 4.5 本章总结 | 第58-60页 |
| 第五章 社交网络专业领域社区话题监测系统的开发与实现 | 第60-66页 |
| 5.1 系统需求与整体架构 | 第60-63页 |
| 5.1.1 系统需求与功能设计 | 第60页 |
| 5.1.2 系统整体架构与功能设计 | 第60-61页 |
| 5.1.3 系统开发环境与运行平台 | 第61页 |
| 5.1.4 系统数据层设计 | 第61-63页 |
| 5.2 系统结果展示与性能分析 | 第63-65页 |
| 5.2.1 社交网络专业领域社区发现结果展示 | 第63-64页 |
| 5.2.2 专业领域用户社区话题监测结果展示 | 第64-65页 |
| 5.3 本章总结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 论文工作总结 | 第66页 |
| 6.2 未来研究工作 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 附录1 章使用缩写说明 | 第73-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间发表或已录用的学术论文 | 第75页 |