基于随机游走的微博数据社团挖掘与分析
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景及意义 | 第14页 |
| 1.2 社交网络社团的研究现状 | 第14-16页 |
| 1.3 本文主要研究内容和结构安排 | 第16-18页 |
| 第二章 相关基础 | 第18-30页 |
| 2.1 中文分词 | 第18-20页 |
| 2.1.1 现有分词方法分析 | 第18-19页 |
| 2.1.2 ICTCLAS系统 | 第19-20页 |
| 2.2 主题模型 | 第20-24页 |
| 2.2.1 PLSA模型 | 第20-21页 |
| 2.2.2 LDA模型 | 第21-22页 |
| 2.2.3 模型参数估计 | 第22-23页 |
| 2.2.4 基于主题模型的应用 | 第23-24页 |
| 2.3 社团挖掘算法 | 第24-30页 |
| 2.3.1 非重叠社团挖掘算法 | 第24-26页 |
| 2.3.2 重叠社团挖掘算法 | 第26-30页 |
| 第三章 微博重叠社团挖掘 | 第30-46页 |
| 3.1 问题和形式化描述 | 第30-31页 |
| 3.1.1 问题描述 | 第30-31页 |
| 3.1.2 问题形式化 | 第31页 |
| 3.2 方法设计 | 第31-35页 |
| 3.2.1 TF-IDF特征提取 | 第31-32页 |
| 3.2.2 重启随机游走及其距离度量 | 第32-35页 |
| 3.2.3 方法步骤 | 第35页 |
| 3.3 实验与结果分析 | 第35-46页 |
| 3.3.1 分词分析 | 第35-36页 |
| 3.3.2 话题提取分析 | 第36-38页 |
| 3.3.3 TF-IDF权重调整 | 第38-40页 |
| 3.3.4 构建网络 | 第40页 |
| 3.3.5 重叠社团挖掘 | 第40-41页 |
| 3.3.6 社团结果分析 | 第41-46页 |
| 第四章 总结与展望 | 第46-48页 |
| 4.1 本文总结 | 第46页 |
| 4.2 展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-54页 |
| 作者简介 | 第54-55页 |
