社交网络跨平台实体解析算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景与意义 | 第10-14页 |
| 1.2.1 实体解析的研究背景与意义 | 第10-12页 |
| 1.2.2 社交网络背景下的实体解析 | 第12-14页 |
| 1.3 相关研究现状 | 第14-15页 |
| 1.4 本文章节及内容安排 | 第15-17页 |
| 第二章 实体解析算法概述 | 第17-28页 |
| 2.1 传统实体解析算法 | 第17-21页 |
| 2.1.1 机器学习角度的实体解析算法 | 第17-19页 |
| 2.1.2 基于特征相似度的实体解析算法 | 第19-21页 |
| 2.2 社交网络环境下实体解析算法 | 第21-27页 |
| 2.2.1 社交网络的相关概念 | 第22-24页 |
| 2.2.2 基于属性的算法 | 第24-25页 |
| 2.2.3 基于结构的算法 | 第25-26页 |
| 2.2.4 其他算法 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于结构的属性相似度极值算法 | 第28-42页 |
| 3.1 公式化与相关定义 | 第28-32页 |
| 3.1.1 社交网络模型与符号表示 | 第28-30页 |
| 3.1.2 属性相似度 | 第30-31页 |
| 3.1.4 先验账户匹配对 | 第31-32页 |
| 3.1.5 共同好友 | 第32页 |
| 3.2 算法流程步骤 | 第32-38页 |
| 3.2.1 算法前提假设 | 第32-33页 |
| 3.2.2 算法框架与数据预处理 | 第33-34页 |
| 3.2.3 迭代匹配 | 第34-38页 |
| 3.3 算法样例 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 SASE算法优化 | 第42-49页 |
| 4.1 加权的属性相似度 | 第42-43页 |
| 4.2 先验匹配对获取 | 第43-45页 |
| 4.2.1 结构紧密度 | 第43-44页 |
| 4.2.2 先验匹配对的获取方法 | 第44-45页 |
| 4.3 动态阈值 | 第45-47页 |
| 4.4 结果裁剪 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 实验及结果分析 | 第49-67页 |
| 5.1 实验准备与评估标准 | 第49-50页 |
| 5.1.1 实验环境与平台 | 第49页 |
| 5.1.2 结果评估标准 | 第49-50页 |
| 5.2 模拟数据实验 | 第50-54页 |
| 5.2.1 数据分析 | 第50-51页 |
| 5.2.2 属性对结果的影响 | 第51-52页 |
| 5.2.3 账户重叠率对结果的影响 | 第52-54页 |
| 5.3 真实数据实验 | 第54-65页 |
| 5.3.1 数据分析及预处理 | 第54-57页 |
| 5.3.2 算法性能对比 | 第57-60页 |
| 5.3.3 相似度阈值对结果的影响 | 第60-63页 |
| 5.3.4 先验账户匹配对对结果的影响 | 第63-65页 |
| 5.4 算法特性分析 | 第65-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 全文工作总结 | 第67-68页 |
| 6.2 研究展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 硕士期间取得的研究成果 | 第74-75页 |
