基于学术社会网络特征的专家搜索算法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 图表目录 | 第10-11页 |
| 第一章 绪论 | 第11-16页 |
| ·选题背景及意义 | 第11-12页 |
| ·研究现状 | 第12-13页 |
| ·主要研究内容 | 第13-14页 |
| ·本文组织结构 | 第14-16页 |
| 第二章 相关理论与技术 | 第16-27页 |
| ·社会网络特征 | 第16-17页 |
| ·学术社会网络社区划分 | 第17-20页 |
| ·社会网络划分方法 | 第17-19页 |
| ·模块度最大化 | 第17-18页 |
| ·谱聚类 | 第18-19页 |
| ·聚类划分方法 | 第19-20页 |
| ·k均值聚类方法 | 第19页 |
| ·Chameleon聚类方法 | 第19-20页 |
| ·DBSCAN聚类方法 | 第20页 |
| ·专家搜索模型 | 第20-25页 |
| ·概率主题模型 | 第21-22页 |
| ·语言模型 | 第22-23页 |
| ·PageRank方法 | 第23-25页 |
| ·评价方法 | 第25-26页 |
| ·单值评价(P@K) | 第25页 |
| ·平均查全率(AP) | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于学术社会网络特征的专家搜索算法 | 第27-40页 |
| ·引文网络特征提取 | 第28-31页 |
| ·文献的引用次数 | 第29页 |
| ·文献的共引 | 第29-30页 |
| ·文献的权威影响 | 第30-31页 |
| ·合著网络特征提取 | 第31-34页 |
| ·点度中心性 | 第32页 |
| ·中介中心性 | 第32-33页 |
| ·接近中心性 | 第33-34页 |
| ·文本特征挖掘 | 第34-36页 |
| ·文本解析 | 第34-35页 |
| ·改进的向量空间模型 | 第35-36页 |
| ·基于BP神经网络的特征整合 | 第36-37页 |
| ·基于学术社会网络特征的专家搜索算法 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 实验 | 第40-53页 |
| ·实验数据及预处理 | 第40-42页 |
| ·实验数据 | 第40-41页 |
| ·实验数据预处理 | 第41-42页 |
| ·学术社会网络特征抽取 | 第42-49页 |
| ·引文网络特征 | 第42-44页 |
| ·合著网络特征 | 第44-47页 |
| ·文本挖掘 | 第47-48页 |
| ·基于BP神经网络的特征整合 | 第48-49页 |
| ·基于学术社会网络特征的专家搜索 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·本文工作总结 | 第53页 |
| ·未来工作展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间科研成果情况 | 第59页 |
