声明
摘要
1.1 研究背景
1.2 研究目的及意义
1.3 本文研究内容
1.4 论文组织结构
1.4.1 论文逻辑结构
1.4.2 论文章节安排
1.5 主要创新点
2 相关理论及研究现状
2.1.1 舆情控制相关研究
2.1.2 意见领袖相关研究
2.1.3 微博主题挖掘相关研究
2.1.4 微博预测相关研究
2.2 微博主题挖掘模型
2.2.1 LDA主题模型的符号及定义
2.2.2 LDA理论知识
2.3 微博预测模型——随机森林
2.3.2 随机森林的构建
2.3.3 随机森林算法的优点
2.3.4 随机森林的分类效果性能指标
2.4 本章小结
3 面向主题的微博意见领袖识别方法
3.1 面向主题的微博意见领袖识别框架
3.2 基于LDA模型的微博主题挖掘
3.2.1 文本预处理
3.2.2 LDA建模与求解
3.2.3 分类微博文本及其相关信息
3.2.4 生成强度演化图
3.3 用户初始影响力衡量模型
3.3.1 模型提出
3.3.2 模型指标分析
3.3.3 意见领袖各指标量化
3.4 基于信息熵确定指标权重
3.5 用户关系图
3.6 本章小结
4 面向主题的微博意见领袖预测模型
4.1 相关概念定义
4.2 预测模型概述
4.3 特征提取
4.3.1 用户网络结构
4.3.2 用户历史活跃度
4.3.3 微博历史传播力度
4.3.4 用户自身特征
4.3.5 用户话题参与度
4.4 非平衡微博数据的平衡化
4.5 意见领袖预测模型构建
4.6 随机森林算法参数选择
4.7 本章小结
5.1.1 数据集
5.1.2 数据预处理
5.2 实验设计及分析
5.2.1 主题挖掘及分析
5.2.2 面向主题的意见领袖识别
5.2.3 随机森林预测
5.3 本章小结
6 总结与展望
6.1 总结
6.2 研究展望
参考文献
攻读学位期间的研究成果
致谢