基于主题模型的社区发现方法及其应用
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景及研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 主题模型研究现状 | 第14-15页 |
| 1.2.2 社区发现研究现状 | 第15-17页 |
| 1.3 本文研究内容 | 第17页 |
| 1.4 本文主要工作及结构安排 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 相关理论与技术 | 第19-27页 |
| 2.1 主题模型 | 第19页 |
| 2.2 复杂网络 | 第19-21页 |
| 2.2.1 网络与表示 | 第19-20页 |
| 2.2.2 复杂网络特性 | 第20-21页 |
| 2.3 社区发现研究方法 | 第21-23页 |
| 2.3.1 基于结点为中心的社区发现 | 第22页 |
| 2.3.2 基于群组为中心的社区发现 | 第22页 |
| 2.3.3 基于网络为中心的社区发现 | 第22-23页 |
| 2.3.4 基于层次为中心的社区发现 | 第23页 |
| 2.4 社区发现典型算法 | 第23-25页 |
| 2.4.1 CPM算法 | 第23-24页 |
| 2.4.2 Kernighan-Lin算法 | 第24页 |
| 2.4.3 GN算法 | 第24-25页 |
| 2.4.4 谱平分法 | 第25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 基于主题模型的微博用户兴趣度量 | 第27-39页 |
| 3.1 引言 | 第27-28页 |
| 3.2 LDA主题模型 | 第28-30页 |
| 3.3 微博用户兴趣度量 | 第30-34页 |
| 3.3.1 微博文本特点 | 第31-32页 |
| 3.3.2 关键词提取 | 第32页 |
| 3.3.3 算法流程 | 第32-34页 |
| 3.4 实验与分析 | 第34-38页 |
| 3.4.1 实验环境 | 第34页 |
| 3.4.2 数据来源 | 第34-35页 |
| 3.4.3 实验结果与分析 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 多特征融合的标签传播算法 | 第39-47页 |
| 4.1 引言 | 第39页 |
| 4.2 SimRank算法 | 第39-41页 |
| 4.3 标签传播算法 | 第41-42页 |
| 4.4 多特征融合 | 第42-43页 |
| 4.5 算法流程 | 第43-44页 |
| 4.6 实验与分析 | 第44-46页 |
| 4.7 本章小结 | 第46-47页 |
| 第5章 社区发现系统设计与实现 | 第47-55页 |
| 5.1 引言 | 第47-48页 |
| 5.2 工作流程设计 | 第48-50页 |
| 5.2.1 数据模块 | 第49-50页 |
| 5.2.2 预处理模块 | 第50页 |
| 5.2.3 用户兴趣模块 | 第50页 |
| 5.2.4 社区发现模块 | 第50页 |
| 5.3 系统实现 | 第50-53页 |
| 5.3.1 开发平台与开发工具 | 第50-52页 |
| 5.3.2 主要功能页面实现 | 第52-53页 |
| 5.4 本章小结 | 第53-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 本文总结 | 第55-56页 |
| 6.2 工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间发表的学术论文 | 第61-63页 |
| 致谢 | 第63页 |
