| 致谢 | 第9-10页 |
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 主要符号说明 | 第24-25页 |
| 1 绪论 | 第25-35页 |
| 1.1 研究背景及意义 | 第25-28页 |
| 1.2 标签聚类方法中存在的问题分析 | 第28-30页 |
| 1.3 主要研究内容与论文组织结构 | 第30-33页 |
| 1.3.1 课题来源 | 第30页 |
| 1.3.2 主要研究内容 | 第30-31页 |
| 1.3.3 论文组织结构 | 第31-33页 |
| 1.4 本章小结 | 第33-35页 |
| 2 社会化标注及相关研究综述 | 第35-47页 |
| 2.1 社会化标注系统及其模型 | 第35-37页 |
| 2.2 社会化标注的相关研究综述 | 第37-46页 |
| 2.2.1 用户的标注动机与标签的分类 | 第38-40页 |
| 2.2.2 社会化标注的动态演化规律 | 第40-41页 |
| 2.2.3 标签的语义识别 | 第41-42页 |
| 2.2.4 标签的推荐 | 第42-43页 |
| 2.2.5 标签的可视化 | 第43-44页 |
| 2.2.6 标签在信息检索中的应用 | 第44-45页 |
| 2.2.7 标签聚类对相关研究的作用 | 第45-46页 |
| 2.3 本章小结 | 第46-47页 |
| 3 基于相似度的社会化标签聚类方法研究 | 第47-81页 |
| 3.1 引言 | 第47-48页 |
| 3.2 相关工作 | 第48-50页 |
| 3.3 传统的标签相似度测量方法 | 第50-55页 |
| 3.3.1 基于向量空间模型的方法 | 第50-54页 |
| 3.3.2 基于共现的方法 | 第54-55页 |
| 3.3.3 传统标签相似度测量方法的分析与总结 | 第55页 |
| 3.4 经典的聚类算法 | 第55-57页 |
| 3.4.1 K-means算法 | 第56页 |
| 3.4.2 凝聚式层次聚类算法 | 第56-57页 |
| 3.4.3 典聚类算法的分析与比较 | 第57页 |
| 3.5 基于共同共现群体相似度的标签谱聚类方法 | 第57-65页 |
| 3.5.1 标签的共现关系分析 | 第57-59页 |
| 3.5.2 标签的共同共现群体相似度 | 第59-62页 |
| 3.5.3 谱聚类算法 | 第62-64页 |
| 3.5.4 标签共现谱聚类算法 | 第64-65页 |
| 3.6 实验与分析 | 第65-80页 |
| 3.6.1 实验数据集 | 第65-66页 |
| 3.6.2 评价指标 | 第66-68页 |
| 3.6.3 实验结果分析 | 第68-80页 |
| 3.7 本章小结 | 第80-81页 |
| 4 基于主题模型的社会化标签聚类方法研究 | 第81-107页 |
| 4.1 引言 | 第81-82页 |
| 4.2 相关工作 | 第82-88页 |
| 4.2.1 LDA主题模型 | 第82-84页 |
| 4.2.2 LDA吉布斯采样(Gibbs Sampling)公式的推导 | 第84-87页 |
| 4.2.3 LDA在社会化标注中的应用 | 第87-88页 |
| 4.3 基于LDA的标签综合聚类方法 | 第88-94页 |
| 4.3.1 三元标注关系中标签的语义分析 | 第88-89页 |
| 4.3.2 基于LDA的标签综合聚类方法的建模 | 第89-93页 |
| 4.3.3 聚类步骤 | 第93-94页 |
| 4.4 实验与分析 | 第94-106页 |
| 4.4.1 LDA主题模型的评价 | 第94-95页 |
| 4.4.2 基于LDA的标签综合聚类结果的评价 | 第95-106页 |
| 4.5 本章小结 | 第106-107页 |
| 5 融合内容与链接分析的社会化标签聚类方法研究 | 第107-139页 |
| 5.1 引言 | 第107-108页 |
| 5.2 相关工作 | 第108-110页 |
| 5.2.1 社会化标注系统中用户社会关系的利用 | 第108-109页 |
| 5.2.2 社会化标注系统中资源内容和资源引用关系的利用 | 第109-110页 |
| 5.3 融合用户社会关系的标签LDA模型及其标签聚类方法 | 第110-120页 |
| 5.3.1 用户社会关系建模及其链接分析 | 第110-114页 |
| 5.3.2 融合社会关系的用户加权标签LDA模型 | 第114-115页 |
| 5.3.3 实验与分析 | 第115-120页 |
| 5.4 融合引用关系的资源内容与标签的联合LDA模型及其标签聚类方法 | 第120-131页 |
| 5.4.1 资源引用关系建模及其链接分析 | 第120-122页 |
| 5.4.2 资源内容的表示 | 第122页 |
| 5.4.3 基于资源加权的词与标签的联合LDA模型 | 第122-127页 |
| 5.4.4 实验与分析 | 第127-131页 |
| 5.5 融合内容与关系的标签综合LDA模型及其聚类方法 | 第131-136页 |
| 5.5.1 融合内容与关系的标签综合LDA聚类方法 | 第131-133页 |
| 5.5.2 实验与分析 | 第133-136页 |
| 5.6 本章小结 | 第136-139页 |
| 6 结论与展望 | 第139-143页 |
| 6.1 主要研究工作总结 | 第139-140页 |
| 6.2 下一步工作展望 | 第140-143页 |
| 参考文献 | 第143-153页 |
| 攻读博士学位期间的学术活动及成果情况 | 第153-155页 |
