面向多领域社区发现的实体聚类及聚类融合算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 引言 | 第11-19页 |
| 1.1 课题的研究背景 | 第11-14页 |
| 1.1.1 研究意义 | 第11-13页 |
| 1.1.2 面临的挑战 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 单领域社区发现技术 | 第14-15页 |
| 1.2.2 跨领域社区发现技术 | 第15-16页 |
| 1.2.3 聚类融合技术 | 第16-17页 |
| 1.2.4 对研究现状的分析 | 第17页 |
| 1.3 本文研究内容 | 第17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 第2章 相关概念与技术 | 第19-29页 |
| 2.1 数据预处理 | 第19-20页 |
| 2.2 相似度计算函数 | 第20-21页 |
| 2.3 社区发现效果评价指标 | 第21-24页 |
| 2.3.1 规范化互信息评价方法 | 第21-23页 |
| 2.3.2 模块度评价方法 | 第23-24页 |
| 2.4 已有社区发现算法 | 第24-27页 |
| 2.4.1 单领域社区发现算法 | 第24-25页 |
| 2.4.2 跨领域社区发现算法 | 第25-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 两阶段的跨领域社区发现模型 | 第29-37页 |
| 3.1 问题提出 | 第29-32页 |
| 3.2 相关概念定义 | 第32-33页 |
| 3.3 两阶段跨领域社区发现模型(2-CDM) | 第33-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第4章 迭代式协同聚类算法及其优化策略 | 第37-49页 |
| 4.1 问题提出 | 第37-38页 |
| 4.2 迭代式协同聚类算法 | 第38-42页 |
| 4.2.1 迭代式协同聚类算法的基本思想 | 第38页 |
| 4.2.2 相似矩阵的构建 | 第38-40页 |
| 4.2.3 算法描述 | 第40-42页 |
| 4.3 迭代式协同聚类算法的优化策略 | 第42-46页 |
| 4.3.1 算法分析及优化策略 | 第42-45页 |
| 4.3.2 改进的迭代式协同聚类算法 | 第45-46页 |
| 4.4 本章小结 | 第46-49页 |
| 第5章 标签合并与投票相结合的跨领域聚类融合算法 | 第49-57页 |
| 5.1 问题提出 | 第49-51页 |
| 5.2 基于标签合并的局部社区匹配策略 | 第51-54页 |
| 5.3 基于模块度的投票策略 | 第54页 |
| 5.4 跨领域聚类融合算法 | 第54-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 实验结果与分析 | 第57-65页 |
| 6.1 实验数据集 | 第57-58页 |
| 6.2 实验环境 | 第58页 |
| 6.3 性能评估 | 第58-63页 |
| 6.3.1 ICC算法性能评估 | 第58-60页 |
| 6.3.2 ICC算法与I-ICC算法的性能比较 | 第60-61页 |
| 6.3.3 CDCF算法性能评估 | 第61-62页 |
| 6.3.4 迭代次数对算法准确度的影响 | 第62-63页 |
| 6.4 本章小结 | 第63-65页 |
| 第7章 总结和展望 | 第65-67页 |
| 7.1 本文工作总结 | 第65-66页 |
| 7.2 进一步研究的工作 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 攻硕期间参加的项目及发表的论文 | 第73页 |
