| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题背景及意义 | 第8-11页 |
| 1.1.1 课题背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 研究现状及分析 | 第11-17页 |
| 1.2.1 面向社会媒体的社交圈识别的定义及相关概念 | 第12-13页 |
| 1.2.2 国内外研究现状与分析 | 第13-17页 |
| 1.3 本文各章节主要内容安排 | 第17-18页 |
| 第2章 基于众包的评测数据集构建 | 第18-26页 |
| 2.1 引言 | 第18页 |
| 2.2 传统评测数据集构建方法 | 第18-20页 |
| 2.3 基于众包评测数据集构建方法 | 第20-23页 |
| 2.3.1 评测数据集构建方法 | 第21-22页 |
| 2.3.2 评测数据集规模和质量 | 第22-23页 |
| 2.4 基于社会化媒体的社交圈识别评价方法 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 基于近似完全子图的社交圈识别 | 第26-36页 |
| 3.1 引言 | 第26-27页 |
| 3.2 近似完全子图模型的基本原理 | 第27-28页 |
| 3.2.1 近似完全子图的定义及相关概念 | 第27-28页 |
| 3.2.2 社交圈归属的概念 | 第28页 |
| 3.3 基于近似完全子图的社交圈识别方法 | 第28-31页 |
| 3.3.1 用户关系获取 | 第29页 |
| 3.3.2 好友排序 | 第29-30页 |
| 3.3.3 归属度计算 | 第30页 |
| 3.3.4 近似完全子图划分 | 第30-31页 |
| 3.4 实验结果与分析 | 第31-35页 |
| 3.4.1 社交圈识别实验结果 | 第32页 |
| 3.4.2 K-means 聚类结果 | 第32-33页 |
| 3.4.3 归属度阈值实验结果 | 第33-34页 |
| 3.4.4 结果与分析 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于不完全信息图方法的社交圈识别 | 第36-47页 |
| 4.1 引言 | 第36页 |
| 4.2 不完全信息图模型基本原理 | 第36-37页 |
| 4.3 基于不完全信息图的社交圈识别方法 | 第37-45页 |
| 4.3.1 不完全信息图的构建 | 第38-39页 |
| 4.3.2 节点距离的计算 | 第39-41页 |
| 4.3.3 基于距离的 SHRINK 社交圈识别算法 | 第41-45页 |
| 4.4 实验结果与分析 | 第45页 |
| 4.4.1 实验数据 | 第45页 |
| 4.4.2 结果与分析 | 第45页 |
| 4.5 本章小结 | 第45-47页 |
| 第5章 基于社会化媒体的社交圈识别平台的设计与实现 | 第47-55页 |
| 5.1 引言 | 第47页 |
| 5.2 新浪微博应用“围脖集体照” | 第47-50页 |
| 5.2.1 系统框架 | 第48-49页 |
| 5.2.2 系统实现 | 第49-50页 |
| 5.3 系统性能分析 | 第50页 |
| 5.4 系统演示 | 第50-53页 |
| 5.5 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63页 |
