面向微博用户的标签自动生成技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 课题研究目的和意义 | 第10-12页 |
| 1.3 国内外相关研究现状与分析 | 第12-16页 |
| 1.3.1 社会化标签 | 第12-14页 |
| 1.3.2 微博用户标签 | 第14-16页 |
| 1.4 本文的主要研究内容及章节安排 | 第16-17页 |
| 第2章 标签相关数据的获取及分析 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 标签相关数据的获取 | 第17-20页 |
| 2.2.1 微博 API 介绍 | 第17-20页 |
| 2.2.2 基于微博 API 的数据获取 | 第20页 |
| 2.3 标签相关数据分析 | 第20-24页 |
| 2.3.1 数据集 | 第20页 |
| 2.3.2 标签的若干特征 | 第20-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于文本的标签源分析 | 第26-36页 |
| 3.1 引言 | 第26页 |
| 3.2 用户产生标签源的行为及统计性质 | 第26-27页 |
| 3.3 标签源的语义相似度 | 第27-30页 |
| 3.3.1 词语级别的相似度 | 第27-29页 |
| 3.3.2 主题级别的相似度 | 第29-30页 |
| 3.4 标签源选择对反映用户兴趣的影响 | 第30-35页 |
| 3.4.1 方案 | 第30-31页 |
| 3.4.2 数据 | 第31页 |
| 3.4.3 结果 | 第31-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于关键词的标签自动生成 | 第36-51页 |
| 4.1 引言 | 第36页 |
| 4.2 基于 TextRank 的生成方法 | 第36-42页 |
| 4.2.1 TextRank 概述 | 第36-37页 |
| 4.2.2 生成方法 | 第37-39页 |
| 4.2.3 实验与结果分析 | 第39-42页 |
| 4.3 基于聚类分析的生成方法 | 第42-48页 |
| 4.3.1 关键技术与原理 | 第42-44页 |
| 4.3.2 生成方法 | 第44-46页 |
| 4.3.3 实验与结果分析 | 第46-48页 |
| 4.4 两种方法对比与分析 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 基于类别的标签自动生成 | 第51-69页 |
| 5.1 引言 | 第51页 |
| 5.2 基于短文本分类的生成方法 | 第51-63页 |
| 5.2.1 关键技术与原理 | 第51-55页 |
| 5.2.2 生成方法 | 第55-57页 |
| 5.2.3 实验与结果分析 | 第57-63页 |
| 5.3 基于百度百科的生成方法 | 第63-68页 |
| 5.3.1 百度百科介绍 | 第63-64页 |
| 5.3.2 生成方法 | 第64-66页 |
| 5.3.3 实验与结果分析 | 第66-68页 |
| 5.4 两种方法对比与分析 | 第68页 |
| 5.5 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76页 |
