| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景和目的 | 第9-11页 |
| 1.2 国内外研究及发展现状 | 第11-14页 |
| 1.2.1 微博社区相关研究 | 第11-12页 |
| 1.2.2 用户活跃度相关研究 | 第12-13页 |
| 1.2.3 热门话题检测相关研究 | 第13-14页 |
| 1.3 主要研究工作 | 第14页 |
| 1.4 本文工作 | 第14-16页 |
| 2 微博社区推荐相关理论及技术 | 第16-23页 |
| 2.1 社区概述 | 第16页 |
| 2.2 协同过滤推荐系统 | 第16-21页 |
| 2.2.1 基于用户的协同过滤算法 | 第17-19页 |
| 2.2.2 基于物品的协同过滤算法 | 第19-21页 |
| 2.3 微博社区推荐技术 | 第21-23页 |
| 3 微博社区模型分析 | 第23-31页 |
| 3.1 微博社区模型 | 第23-26页 |
| 3.1.1 用户关系分析 | 第23页 |
| 3.1.2 社区通信范围 | 第23-24页 |
| 3.1.3 用户行为模型 | 第24页 |
| 3.1.4 社区通信过程模型 | 第24-26页 |
| 3.2 微博社区特征分析 | 第26-31页 |
| 3.2.1 微博信息传播机制 | 第26-27页 |
| 3.2.2 微博同质性 | 第27-28页 |
| 3.2.3 微博主题相关性 | 第28-31页 |
| 4 基于用户活跃度和热门话题的微博社区推荐 | 第31-44页 |
| 4.1 用户活跃度排名技术 | 第31-35页 |
| 4.1.1 用户活跃度基础分析 | 第31-34页 |
| 4.1.2 微博活跃用户 | 第34-35页 |
| 4.2 热门话题检测技术 | 第35-40页 |
| 4.2.1 热门话题检测相关理论 | 第35-37页 |
| 4.2.2 基于时间特性的微博热门话题检测算法研究 | 第37-40页 |
| 4.3 基于用户活跃度的微博社区推荐 | 第40-44页 |
| 5 实验结果及评价 | 第44-48页 |
| 5.1 数据采集 | 第44页 |
| 5.2 评价方法 | 第44页 |
| 5.3 实验结果与分析 | 第44-48页 |
| 6 结论与展望 | 第48-50页 |
| 6.1 结论 | 第48页 |
| 6.2 工作展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士期间的研究成果及参加的科研项目 | 第55页 |