基于用户访问行为与内容的用户聚类算法的研究与实现
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-16页 |
| ·研究背景、内容及意义 | 第11-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·聚类算法的研究现状 | 第13页 |
| ·用户聚类算法的研究现状 | 第13-15页 |
| ·本文工作与组织结构 | 第15-16页 |
| 2 相关理论和技术 | 第16-25页 |
| ·ICTCLAS分词系统 | 第16-18页 |
| ·向量空间模型 | 第18-19页 |
| ·聚类算法 | 第19-24页 |
| ·谱聚类算法 | 第20页 |
| ·非正则谱聚类的描述 | 第20-23页 |
| ·谱聚类算法的优缺点 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 网络用户聚类算法设计 | 第25-41页 |
| ·基于访问行为与内容的用户聚类算法描述 | 第25-27页 |
| ·数据标准化 | 第27-31页 |
| ·用户访问行为数据的统计 | 第27-30页 |
| ·特征词的获取 | 第30-31页 |
| ·用户特征向量的获取与存储 | 第31-36页 |
| ·基于访问内容的特征向量 | 第32-33页 |
| ·访问内容的兴趣度 | 第33-34页 |
| ·基于访问行为的特征向量 | 第34页 |
| ·基于访问行为和内容的特征向量 | 第34-35页 |
| ·特征向量的存储与转换 | 第35-36页 |
| ·用户相似度矩阵的计算 | 第36-37页 |
| ·聚类个数的计算 | 第37-39页 |
| ·相似度图的构造 | 第39页 |
| ·拉普拉斯矩阵的计算 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 4 实验及结果分析 | 第41-52页 |
| ·实验环境 | 第41页 |
| ·实验数据 | 第41-46页 |
| ·行为日志的采集 | 第42-44页 |
| ·访问内容的采集 | 第44-45页 |
| ·数据的选择及统计 | 第45-46页 |
| ·实验结果及分析 | 第46-50页 |
| ·Davies-Bouldin指标 | 第47-48页 |
| ·Dunn's指标 | 第48-49页 |
| ·RMSSTD指标 | 第49-50页 |
| ·时间复杂度分析 | 第50页 |
| ·本章小结 | 第50-52页 |
| 5 总结和展望 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 作者简历 | 第55-57页 |
| 学位论文数据集 | 第57页 |
