基于社交的用户画像研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 社交用户画像简介 | 第9-12页 |
| 1.1.1 用户画像简介 | 第9-10页 |
| 1.1.2 SNS简介 | 第10-12页 |
| 1.2 用户画像研究概述 | 第12-13页 |
| 1.3 研究背景及意义 | 第13页 |
| 1.4 面临的挑战和本文的贡献 | 第13-14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 第二章 当前研究和相关理论技术综述 | 第16-28页 |
| 2.1 用户画像研究综述 | 第16-22页 |
| 2.1.1 用户年龄挖掘 | 第16-17页 |
| 2.1.2 用户性别挖掘 | 第17-18页 |
| 2.1.3 用户兴趣挖掘 | 第18-20页 |
| 2.1.4 用户职业挖掘 | 第20-21页 |
| 2.1.5 用户其他属性挖掘 | 第21-22页 |
| 2.2 数据挖掘算法综述 | 第22-27页 |
| 2.2.1 分类算法 | 第22-24页 |
| 2.2.2 聚类算法 | 第24-25页 |
| 2.2.3 关键词提取算法 | 第25-27页 |
| 2.3 本章总结 | 第27-28页 |
| 第三章 基于标签的用户兴趣发现算法 | 第28-40页 |
| 3.1 算法设计思路和难点 | 第28-29页 |
| 3.2 标签归一化算法 | 第29-35页 |
| 3.2.1 数据预处理 | 第30-31页 |
| 3.2.2 关键词提取 | 第31-34页 |
| 3.2.3 标签归一化 | 第34-35页 |
| 3.3 实验和结果分析 | 第35页 |
| 3.4 在标注新闻文章上的关键词验证 | 第35-36页 |
| 3.5 选取函数门槛β | 第36-37页 |
| 3.6 在新浪微博上的验证 | 第37-39页 |
| 3.7 本章总结 | 第39-40页 |
| 第四章 基于分类的用户职业发现算法 | 第40-52页 |
| 4.1 职业在用户画像中的地位 | 第40-41页 |
| 4.1.1 职业定义 | 第40页 |
| 4.1.2 职业对于用户画像的重要性 | 第40-41页 |
| 4.2 算法的设计思路、难点 | 第41-42页 |
| 4.3 基于分类的用户职业发现算法 | 第42-43页 |
| 4.4 特征选择 | 第43-46页 |
| 4.5 分类特征离散化 | 第46-48页 |
| 4.6 算法分类结果和分析 | 第48-51页 |
| 4.7 本章总结 | 第51-52页 |
| 第五章 基于社交的用户画像系统 | 第52-65页 |
| 5.1 系统需求与整体框架 | 第52-54页 |
| 5.2 系统详细设计 | 第54-62页 |
| 5.2.1 系统整体详细设计 | 第54-56页 |
| 5.2.2 系统数据库设计 | 第56-57页 |
| 5.2.3 关键代码 | 第57-61页 |
| 5.2.4 系统开发环境与运行平台 | 第61-62页 |
| 5.3 系统运行流程与示例 | 第62-64页 |
| 5.4 本章总结 | 第64-65页 |
| 第六章 总结与展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录1 论文使用缩写说明 | 第70-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间发表或已录用的学术论文 | 第73页 |
