基于监督学习的网络论坛（议论话题）智能方法研究

摘要

互联网技术发明以来，伴随着数据的产生，愈来愈多的数据信息被保存在网络上，这些无形的存在的数据一直都是人类的宝贵的财富，然而这些财富却被雪藏了起来，因为在网络社会的初始形态时，这些财富我们还不能够通过一些手段高效的利用起来，直到如今，我们在各个科学学科方面，特别是计算机科学和神经网络学科的进步，以及近些年来的神经网络（深度学习）方面的算法以及相关框架支持上的高速发展，使我们可以充分的去利用这些技术，来对我们这些年来积累的大量数据，为我们所用。

我们利用科学算法，在这些大量的数据基础下，为我们积累了各种各样的用户画像，可以使我们利用人工智能算法和机器学习算法，达到高效率的一些动态场景的预测和数据分析。利用监督学习和智能分类算法可以处理--比如气象、农业灾害预测、公共交通、市场行为分析等等契合市场需求场景的各种实例应用，解决了在以前处理这相当麻烦的工作。

关键词　人工智能 监督学习 智能分类 分类方法 论坛话题 热度分析

目录

摘要 I

第1章 网络论坛（议论话题）研究的背景与意义 3

1.1用户行为分析 3

1.1.1为什么要进行用户行为分析 3

1.1.2网络时代的用户行为分析 3

1.2群众行为的可预测性 4

1.3企业运营的针对性活动 4

1.4智能话题分类的意义 5

1.5小结 6

第2章 网络论坛（议论话题）问题描述 7

2.1用户寻找 7

2.2用户画像 7

2.3快速定位用户群体 8

2.4预测行为热点 8

2.5小结 8

第3章 监督学习算法/技术介绍 9

3.1机器学习基础算法 9

3.1.1分类算法 9

3.1.1.1 Logistic Regression算法 9

3.1.1.2 Softmax Regression算法 9

3.1.1.3 Fectorization Matchine算法 10

3.1.1.4支持向量机 10

3.1.1.5随机森林 10

3.1.1.6 BP神经网络 11

3.1.2回归算法 11

3.1.3聚类算法 11

3.1.4推荐算法 11

3.1.5深度学习 11

3.2深度学习（神经网络）通用算法 11

3.2.1深度学习的基本学习方式—AutoEncoder、Denoising AutoEncoder 11

3.2.2卷积神经网络 12

3.3有监督学习 12

3.4无监督学习 13

3.5关于Python中的监督学习算法实践 13

第4章 议论话题分类仿真实验与分析 14

4.1准备阶段 14

4.2网络爬虫环境搭建 14

4.3分析项目需求和并设计程序的架构和实现细节 14

4.4编写爬虫程序 15

4.5编写相关算法程序 15

4.6测试调试程序并运行 15

4.7结果释疑 15

4.8结实验过程和结果 15

第5章 总结与展望 16

5.1总结 16

5.2展望 16

参考文献 17

致谢 18