發(fā)布時(shí)間：2022-10-20 12:38

　　隨著社交網(wǎng)絡(luò)的飛速發(fā)展,人與人之間的關(guān)系逐漸網(wǎng)絡(luò)化。社交網(wǎng)絡(luò)已經(jīng)影響到人們生活中的許多方面,但由于社交網(wǎng)絡(luò)數(shù)據(jù)的指數(shù)爆炸增長(zhǎng)的特性,使得人們?cè)谏缃痪W(wǎng)絡(luò)中擁有多樣性、便利性的同時(shí),也遇到了選擇復(fù)雜、信息干擾的難題。因此,本文針對(duì)社交網(wǎng)絡(luò)中的話題進(jìn)行熱點(diǎn)預(yù)測(cè)與推薦模型研究。網(wǎng)絡(luò)熱點(diǎn)話題不僅具有實(shí)時(shí)性、多樣性的特點(diǎn),同時(shí)與傳統(tǒng)的媒體新聞相比,話題文本還包含維數(shù)高、數(shù)據(jù)稀疏、用語(yǔ)不規(guī)范等特點(diǎn),從而導(dǎo)致熱點(diǎn)話題的分類(lèi)預(yù)測(cè)與推薦效果不穩(wěn)定且準(zhǔn)確度低的問(wèn)題。本文針對(duì)熱點(diǎn)話題的分類(lèi)與推薦存在的問(wèn)題進(jìn)行了研究與分析,主要工作包含以下幾個(gè)方面:（1）針對(duì)熱點(diǎn)話題預(yù)測(cè)框架設(shè)計(jì)問(wèn)題,本文基于文本挖掘過(guò)程設(shè)計(jì)了熱點(diǎn)話題預(yù)測(cè)的結(jié)構(gòu)框架,基于CRISP-DM標(biāo)準(zhǔn)過(guò)程設(shè)計(jì)了熱點(diǎn)話題預(yù)測(cè)的流程框架。針對(duì)話題文本內(nèi)部特征抽取問(wèn)題,本文構(gòu)建了一種混合特征向量。該混合特征向量空間在考慮熱點(diǎn)話題的文本內(nèi)容特征的同時(shí),也考慮了熱點(diǎn)話題的轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)等數(shù)值型特征。（2）針對(duì)熱點(diǎn)話題分類(lèi)模型設(shè)計(jì)問(wèn)題,本文對(duì)比分析了邏輯回歸、SVM和隨機(jī)森林三種分類(lèi)算法模型的性能,基于邏輯回歸、SVM、隨機(jī)森林三種分類(lèi)算法,本文提出了一種基于加權(quán)投... 

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及分析
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
        1.2.3 國(guó)內(nèi)外文獻(xiàn)綜述簡(jiǎn)析
    1.3 研究?jī)?nèi)容與組織結(jié)構(gòu)
        1.3.1 研究?jī)?nèi)容
        1.3.2 組織結(jié)構(gòu)
第2章 熱點(diǎn)話題預(yù)測(cè)的框架設(shè)計(jì)
    2.1 熱點(diǎn)話題預(yù)測(cè)的問(wèn)題分析
    2.2 熱點(diǎn)話題預(yù)測(cè)的結(jié)構(gòu)設(shè)計(jì)
        2.2.1 熱點(diǎn)話題特征指標(biāo)
        2.2.2 熱點(diǎn)話題預(yù)測(cè)結(jié)構(gòu)
    2.3 熱點(diǎn)話題預(yù)測(cè)的流程設(shè)計(jì)
        2.3.1 預(yù)測(cè)流程基本概念
        2.3.2 熱點(diǎn)話題預(yù)測(cè)流程
    2.4 本章小結(jié)
第3章 熱點(diǎn)話題預(yù)測(cè)模型對(duì)比研究
    3.1 數(shù)據(jù)來(lái)源及預(yù)處理
        3.1.1 數(shù)據(jù)來(lái)源
        3.1.2 數(shù)據(jù)預(yù)處理
    3.2 文本特征選擇
    3.3 向量空間構(gòu)建
    3.4 分類(lèi)預(yù)測(cè)實(shí)驗(yàn)對(duì)比
        3.4.1 邏輯回歸預(yù)測(cè)
        3.4.2 SVM預(yù)測(cè)
        3.4.3 隨機(jī)森林預(yù)測(cè)
        3.4.4 組合分類(lèi)預(yù)測(cè)
    3.5 實(shí)驗(yàn)結(jié)果分析
    3.6 本章小結(jié)
第4章 熱點(diǎn)話題推薦模型研究
    4.1 熱點(diǎn)話題推薦的問(wèn)題分析
    4.2 推薦算法模型
        4.2.1 基于內(nèi)容的推薦算法
        4.2.2 基于協(xié)同過(guò)濾的推薦算法
        4.2.3 動(dòng)態(tài)混合推薦模型
    4.3 相似度度量
    4.4 實(shí)驗(yàn)與分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于用戶偏好動(dòng)態(tài)變化的協(xié)同過(guò)濾推薦[J]. 姜書(shū)浩,張立毅,周娜.  計(jì)算機(jī)與現(xiàn)代化. 2020(01)
[2]基于TF-IDF和互信息的推薦算法研究[J]. 張?jiān)萍?  計(jì)算機(jī)時(shí)代. 2019(12)
[3]基于特征約簡(jiǎn)的隨機(jī)森林改進(jìn)算法研究[J]. 王誠(chéng),高蕊.  計(jì)算機(jī)技術(shù)與發(fā)展. 2020(03)
[4]基于深度神經(jīng)網(wǎng)絡(luò)和改進(jìn)相似性度量的推薦算法[J]. 鄒鋒.  計(jì)算機(jī)應(yīng)用與軟件. 2019(11)
[5]基于協(xié)同過(guò)濾和隱語(yǔ)義模型的混合推薦算法[J]. 徐吉,李小波,陳華輝,許浩.  計(jì)算機(jī)技術(shù)與發(fā)展. 2020(02)
[6]基于用戶特定特征及內(nèi)容的景點(diǎn)推薦模型研究[J]. 李川,張少茹.  計(jì)算機(jī)與數(shù)字工程. 2019(10)
[7]協(xié)同過(guò)濾推薦算法研究[J]. 李曉瑜.  計(jì)算機(jī)與數(shù)字工程. 2019(09)
[8]基于時(shí)間效應(yīng)的興趣點(diǎn)推薦混合模型[J]. 張岐山,李可,林小榕.  計(jì)算機(jī)工程. 2019(08)
[9]一種模型決策森林算法[J]. 尹儒,門(mén)昌騫,王文劍.  計(jì)算機(jī)科學(xué)與探索. 2020(01)
[10]一種融合標(biāo)簽語(yǔ)義的微博熱點(diǎn)話題挖掘方法[J]. 周福星,陳秀真,馬進(jìn),李生紅.  計(jì)算機(jī)工程. 2019(10)



本文編號(hào)：3694522