网络热点话题预测与推荐模型研究

发布时间：2022-10-20 12:38

　　随着社交网络的飞速发展,人与人之间的关系逐渐网络化。社交网络已经影响到人们生活中的许多方面,但由于社交网络数据的指数爆炸增长的特性,使得人们在社交网络中拥有多样性、便利性的同时,也遇到了选择复杂、信息干扰的难题。因此,本文针对社交网络中的话题进行热点预测与推荐模型研究。网络热点话题不仅具有实时性、多样性的特点,同时与传统的媒体新闻相比,话题文本还包含维数高、数据稀疏、用语不规范等特点,从而导致热点话题的分类预测与推荐效果不稳定且准确度低的问题。本文针对热点话题的分类与推荐存在的问题进行了研究与分析,主要工作包含以下几个方面:（1）针对热点话题预测框架设计问题,本文基于文本挖掘过程设计了热点话题预测的结构框架,基于CRISP-DM标准过程设计了热点话题预测的流程框架。针对话题文本内部特征抽取问题,本文构建了一种混合特征向量。该混合特征向量空间在考虑热点话题的文本内容特征的同时,也考虑了热点话题的转发数、评论数等数值型特征。（2）针对热点话题分类模型设计问题,本文对比分析了逻辑回归、SVM和随机森林三种分类算法模型的性能,基于逻辑回归、SVM、随机森林三种分类算法,本文提出了一种基于加权投... 

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状及分析
        1.2.1 国外研究现状
        1.2.2 国内研究现状
        1.2.3 国内外文献综述简析
    1.3 研究内容与组织结构
        1.3.1 研究内容
        1.3.2 组织结构
第2章 热点话题预测的框架设计
    2.1 热点话题预测的问题分析
    2.2 热点话题预测的结构设计
        2.2.1 热点话题特征指标
        2.2.2 热点话题预测结构
    2.3 热点话题预测的流程设计
        2.3.1 预测流程基本概念
        2.3.2 热点话题预测流程
    2.4 本章小结
第3章 热点话题预测模型对比研究
    3.1 数据来源及预处理
        3.1.1 数据来源
        3.1.2 数据预处理
    3.2 文本特征选择
    3.3 向量空间构建
    3.4 分类预测实验对比
        3.4.1 逻辑回归预测
        3.4.2 SVM预测
        3.4.3 随机森林预测
        3.4.4 组合分类预测
    3.5 实验结果分析
    3.6 本章小结
第4章 热点话题推荐模型研究
    4.1 热点话题推荐的问题分析
    4.2 推荐算法模型
        4.2.1 基于内容的推荐算法
        4.2.2 基于协同过滤的推荐算法
        4.2.3 动态混合推荐模型
    4.3 相似度度量
    4.4 实验与分析
    4.5 本章小结
结论
参考文献
致谢


【参考文献】：
期刊论文
[1]基于用户偏好动态变化的协同过滤推荐[J]. 姜书浩,张立毅,周娜.  计算机与现代化. 2020(01)
[2]基于TF-IDF和互信息的推荐算法研究[J]. 张云纯.  计算机时代. 2019(12)
[3]基于特征约简的随机森林改进算法研究[J]. 王诚,高蕊.  计算机技术与发展. 2020(03)
[4]基于深度神经网络和改进相似性度量的推荐算法[J]. 邹锋.  计算机应用与软件. 2019(11)
[5]基于协同过滤和隐语义模型的混合推荐算法[J]. 徐吉,李小波,陈华辉,许浩.  计算机技术与发展. 2020(02)
[6]基于用户特定特征及内容的景点推荐模型研究[J]. 李川,张少茹.  计算机与数字工程. 2019(10)
[7]协同过滤推荐算法研究[J]. 李晓瑜.  计算机与数字工程. 2019(09)
[8]基于时间效应的兴趣点推荐混合模型[J]. 张岐山,李可,林小榕.  计算机工程. 2019(08)
[9]一种模型决策森林算法[J]. 尹儒,门昌骞,王文剑.  计算机科学与探索. 2020(01)
[10]一种融合标签语义的微博热点话题挖掘方法[J]. 周福星,陈秀真,马进,李生红.  计算机工程. 2019(10)



本文编号：3694522