声明
摘要
1 绪论
1.1 研究背景与意义
1.1.1 数据挖掘技术背景
1.1.2 微型博客背景
1.2 国内外研究现状
1.3 本文研究目标与内容
1.3.1 本文研究目标
1.3.2 本文研究内容
1.4 本文的创新点
1.5 本章小结
2 数据挖掘技术概述
2.1 数据挖掘技术
2.1.1 数据挖掘的背景与概念
2.1.2 数据挖掘的过程
2.2 数据挖掘的方法
2.3 聚类分析
2.3.1 聚类分析的概念
2.3.2 聚类分析的方法
2.3.3 聚类分析的步骤
2.4 本章小结
3 微博用户兴趣群体分类模型构建与实现
3.1 微博相关知识
3.1.1 微博的定义
3.1.2 微博用户特点——以新浪微博为例
3.2 微博用户兴趣群发现与分类模型
3.3 微博用户数据标准化
3.3.1 聚类分析的数据类型
3.3.2 聚类分析的相似度度量
3.4 基于数据挖掘的微博用户兴趣发现的实现
3.4.1 样本数据特点与聚类算法选择
3.4.2 SPSS实现过程
3.5 本章小结
4 实证分析—以新浪微博为例
4.1 聚类分析数据样本
4.1.1 样本获取
4.1.2 样本数据可行性分析
4.1.3 数据筛选
4.1.4 相关性检验
4.2 聚类分析
4.2.1 K-means快速聚类
4.2.2 系统聚类
4.1.4 两种聚类分析结果对比
4.3 实证分析结论
4.4 本章小结
5 总结
5.1 论文总结
5.2 不足与展望
5.3 本章小结
参考文献
致谢
华中师范大学;