内容相似度的微博兴趣社区发现方法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 研究内容 | 第10-12页 |
| 1.2.2 面临的挑战 | 第12-13页 |
| 1.3 论文组织结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 微博社区发现的相关理论和技术 | 第15-25页 |
| 2.1 微博网络表示及性质 | 第15-16页 |
| 2.1.1 微博网络的表示 | 第15页 |
| 2.1.2 微博网络的性质 | 第15-16页 |
| 2.2 微博网络社区结构 | 第16-17页 |
| 2.3 文本相似度相似度算法 | 第17-20页 |
| 2.3.1 文本表示模型 | 第17-18页 |
| 2.3.2 文本相似性度量 | 第18-20页 |
| 2.4 AP算法及Newman算法 | 第20-23页 |
| 2.4.1 AP算法 | 第20-23页 |
| 2.4.2 Newman快速算法 | 第23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 基于微博内容的用户兴趣模型 | 第25-37页 |
| 3.1 微博兴趣表示 | 第25-27页 |
| 3.2 兴趣领袖识别 | 第27-34页 |
| 3.2.1 指标体系构建 | 第27-29页 |
| 3.2.2 用户影响力计算 | 第29-34页 |
| 3.2.3 阈值确定 | 第34页 |
| 3.3 本章小结 | 第34-37页 |
| 第四章 基于内容相似度的微博兴趣社区发现 | 第37-45页 |
| 4.1 微博数据预处理 | 第37-40页 |
| 4.1.1 数据噪音处理 | 第37-39页 |
| 4.1.2 分词及去停用词 | 第39-40页 |
| 4.2 用户内容相似度度量 | 第40-42页 |
| 4.2.1 微博文本表示模型 | 第40-41页 |
| 4.2.2 用户内容相似度计算 | 第41-42页 |
| 4.3 微博社区划分 | 第42-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第五章 实验与结果分析 | 第45-55页 |
| 5.1 实验数据 | 第45-49页 |
| 5.1.1 数据获取 | 第45-48页 |
| 5.1.2 实验平台 | 第48-49页 |
| 5.2 实验评价指标 | 第49-51页 |
| 5.2.1 存在真实答案时的评价 | 第49-50页 |
| 5.2.2 不存在真实答案时的评价 | 第50-51页 |
| 5.3 内聚性与离散性分析 | 第51-53页 |
| 5.3.1 社区数目对比 | 第51页 |
| 5.3.2 内聚性与离散型对比 | 第51-53页 |
| 5.4 本章小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 本文总结 | 第55页 |
| 6.2 未来工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读硕士学位期间发表的论文 | 第63页 |
