本文關(guān)鍵詞：面向校園論壇的網(wǎng)絡(luò)書寫紋識別研究，由筆耕文化傳播整理發(fā)布。

【摘要】：互聯(lián)網(wǎng)已成為廣大的高校大學(xué)生表達(dá)自我、宣泄情感最主要的平臺之一。想要了解大學(xué)生的內(nèi)心世界并更好的引導(dǎo)大學(xué)生發(fā)展,進(jìn)行大學(xué)生的網(wǎng)絡(luò)行為研究是非常有必要的。本文嘗試通過對大學(xué)生網(wǎng)絡(luò)書寫紋的識別研究、基于個體作者網(wǎng)絡(luò)書寫紋的話題挖掘研究和基于作者-書寫紋-話題的可視化研究來展開對大學(xué)生的網(wǎng)絡(luò)行為研究,并在華中師范大學(xué)BBS論壇——博雅論壇上收集了大量帖子作為實驗數(shù)據(jù)進(jìn)行相關(guān)實驗。 網(wǎng)絡(luò)書寫紋是指用戶在網(wǎng)絡(luò)文字中留下的具有獨特寫作風(fēng)格的特征集合,就像人的指紋一樣是可以標(biāo)記作者寫作特征的獨一無二的標(biāo)識。因此,利用此技術(shù)可以有效的處理網(wǎng)絡(luò)的匿名性在進(jìn)行大學(xué)生網(wǎng)絡(luò)行為的研究過程中所造成的不便。本文設(shè)計了一種能在大量作者情況下對中文網(wǎng)絡(luò)書寫紋進(jìn)行識別的集成學(xué)習(xí)算法模型——基于K折交叉驗證的多項式樸素貝葉斯多分類器模型。根據(jù)實驗驗證,在大量作者的同一數(shù)據(jù)集情況下,相對于已經(jīng)廣泛使用的其他分類識別算法,基于K折交叉驗證的多項式樸素貝葉斯多分類器模型具有明顯的優(yōu)勢。 基于個體作者網(wǎng)絡(luò)書寫紋的話題挖掘研究是對大學(xué)生網(wǎng)絡(luò)行為研究的重要技術(shù),它能挖掘出每個大學(xué)生所熱衷的話題并得到其所參與的話題概率分布,從而走進(jìn)他們內(nèi)心的世界。本文構(gòu)造了基于作者-書寫紋-話題的中文文本話題挖掘模型。根據(jù)實驗驗證,該模型能較有效的挖掘出實驗文本的相關(guān)話題及關(guān)鍵詞,并能進(jìn)一步挖掘出每個作者的話題概率分布。 基于文本的可視化技術(shù)是近年來的研究熱點。本文設(shè)計并構(gòu)造了基于作者-書寫紋-話題的可視化模型,清楚的展示了基于作者-書寫紋-話題的中文文本話題挖掘模型中所得到的關(guān)于大學(xué)生作者、話題與話題關(guān)鍵詞的相關(guān)結(jié)論。極大的提高了作者-話題中文網(wǎng)絡(luò)文本挖掘模型的可理解性。
【關(guān)鍵詞】：網(wǎng)絡(luò)行為研究 校園論壇 網(wǎng)絡(luò)書寫紋 話題挖掘 文本可視化
【學(xué)位授予單位】：華中師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：G434
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-17
• 1.1 研究背景10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 網(wǎng)絡(luò)書寫紋識別研究現(xiàn)狀11-13
• 1.2.2 話題挖掘研究現(xiàn)狀13-14
• 1.2.3 文本可視化研究現(xiàn)狀14
• 1.3 研究意義14-15
• 1.4 研究內(nèi)容與組織結(jié)構(gòu)15-17
• 1.4.1 研究內(nèi)容15
• 1.4.2 組織結(jié)構(gòu)15-17
• 第2章 網(wǎng)絡(luò)書寫紋識別與話題提取相關(guān)技術(shù)17-28
• 2.1 引言17
• 2.2 文本預(yù)處理相關(guān)技術(shù)研究17-20
• 2.2.1 文本的特征表示17-18
• 2.2.2 特征項的選擇及降維18-20
• 2.3 網(wǎng)絡(luò)書寫紋識別算法技術(shù)研究20-25
• 2.3.1 主流單分類器算法研究20-22
• 2.3.2 主流集成識別算法研究22-25
• 2.4 話題抽取相關(guān)技術(shù)研究25-26
• 2.4.1 話題模型簡介25
• 2.4.2 幾種話題模型研究及比較25-26
• 2.5 文本可視化技術(shù)簡介26-27
• 2.6 本章小結(jié)27-28
• 第3章 基于K折交叉驗證的多項樸素貝葉斯多分類器模型28-41
• 3.1 引言28
• 3.2 問題描述28-29
• 3.3 基于N-gram特征項的提取29-30
• 3.4 基于K折交叉驗證的集成學(xué)習(xí)算法30-33
• 3.4.1 K折交叉驗證原理30-31
• 3.4.2 基于K折交叉驗證原理改進(jìn)的集成學(xué)習(xí)算法及流程31-32
• 3.4.3 隨機采樣方法32
• 3.4.4 集成算法融合策略32-33
• 3.5 基于樸素貝葉斯的基分類器算法33-37
• 3.5.1 貝葉斯理論33-35
• 3.5.2 樸素貝葉斯分類器35-36
• 3.5.3 多項式樸素貝葉斯分類器模型36-37
• 3.6 實驗設(shè)計與結(jié)果分析37-40
• 3.6.1 數(shù)據(jù)集及文本預(yù)處理37
• 3.6.2 性能評估方法37-38
• 3.6.3 實驗設(shè)計38
• 3.6.4 結(jié)果分析38-40
• 3.7 本章小結(jié)40-41
• 第4章 基于個體作者書寫紋的話題抽取模型41-51
• 4.1 引言41
• 4.2 特征項的提取41-42
• 4.3 基于LDA模型擴展的AMT模型42-45
• 4.4 AMT模型實現(xiàn)45-46
• 4.5 實驗設(shè)計與結(jié)果分析46-50
• 4.6 本章小結(jié)50-51
• 第5章 基于文本分類的個體作者話題模型可視化展示51-56
• 5.1 可視化模型框架設(shè)計思想及UML類圖展示51-53
• 5.1.1 可視化模型設(shè)計思想51-52
• 5.1.2 可視化模型UML圖展示52-53
• 5.2 可視化展示53-55
• 5.3 本章小結(jié)55-56
• 第6章 總結(jié)和展望56-58
• 6.1 總結(jié)56-57
• 6.2 展望57-58
• 參考文獻(xiàn)58-63
• 在校期問所發(fā)表的論文63-64
• 致謝64

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張運良;朱禮軍;喬曉東;張全;;基于句類特征的作者寫作風(fēng)格分類研究[J];計算機工程與應(yīng)用;2009年22期

2 崔凱;周斌;賈焰;梁政;;一種基于LDA的在線主題演化挖掘模型[J];計算機科學(xué);2010年11期

3 孫建文;楊宗凱;劉三(女牙);王佩;;基于集成學(xué)習(xí)與遺傳算法的網(wǎng)絡(luò)書寫紋識別研究[J];計算機科學(xué);2011年06期

4 曹娟;張勇東;李錦濤;唐勝;;一種基于密度的自適應(yīng)最優(yōu)LDA模型選擇方法[J];計算機學(xué)報;2008年10期

5 武曉春;黃萱菁;吳立德;;基于語義分析的作者身份識別方法研究[J];中文信息學(xué)報;2006年06期

6 黎冬媛;劉智;劉三(女牙);孟文婷;;采用半隨機特征采樣算法的中文書寫紋識別研究[J];計算機科學(xué);2013年02期

7 唐家渝;劉知遠(yuǎn);孫茂松;;文本可視化研究綜述[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2013年03期

8 閻輝,張學(xué)工,李衍達(dá);應(yīng)用SVM方法進(jìn)行沉積微相識別[J];物探化探計算技術(shù);2000年02期

9 唐杰;宮繼兵;劉柳;楊文軍;;基于話題模型的學(xué)術(shù)社會網(wǎng)絡(luò)建模及應(yīng)用[J];中國科技論文在線;2011年01期

10 楊瀟;馬軍;楊同峰;杜言琦;邵海敏;;主題模型LDA的多文檔自動文摘[J];智能系統(tǒng)學(xué)報;2010年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 馬建斌;中文Web信息作者同一認(rèn)定技術(shù)研究[D];河北農(nóng)業(yè)大學(xué);2010年

  本文關(guān)鍵詞：面向校園論壇的網(wǎng)絡(luò)書寫紋識別研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：312352