社交网络节点流失模型与应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景与意义 | 第11-14页 |
| ·研究背景 | 第11-13页 |
| ·选题意义 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·基于数据挖掘的社交网络研究 | 第14-15页 |
| ·社交网络关系强度理论 | 第15-16页 |
| ·社交网络用户流失预测研究 | 第16-17页 |
| ·论文主要工作 | 第17-18页 |
| ·论文组织结构 | 第18-19页 |
| 第2章 相关理论基础 | 第19-29页 |
| ·数据挖掘与机器学习概述 | 第19页 |
| ·经典数据挖掘算法 | 第19-25页 |
| ·分类算法 | 第20-21页 |
| ·聚类算法 | 第21-23页 |
| ·回归算法 | 第23-24页 |
| ·关联性分析算法 | 第24-25页 |
| ·复杂网络与社交网络概述 | 第25页 |
| ·复杂网络结构分析 | 第25-28页 |
| ·节点度分布 | 第26页 |
| ·网络聚集系数 | 第26-27页 |
| ·小世界网络模型 | 第27页 |
| ·无标度网络模型 | 第27页 |
| ·社团结构 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 社交网络关系强度度量研究 | 第29-40页 |
| ·引言 | 第29-30页 |
| ·社交网络关系强度基本定义 | 第30页 |
| ·社交网络关系强度特征分析 | 第30-33页 |
| ·基于网络结构的关系强度 | 第30-31页 |
| ·基于用户行为的关系强度 | 第31-32页 |
| ·基于文本主题的关系强度 | 第32-33页 |
| ·基于多层次网络结构的关系强度度量方法 | 第33-38页 |
| ·基于邻接性结构关系强度度量方法 | 第33-35页 |
| ·基于社团多层次结构关系强度度量方法 | 第35-38页 |
| ·本章小结 | 第38-40页 |
| 第4章 社交网络节点流失模型研究 | 第40-52页 |
| ·引言 | 第40页 |
| ·节点流失问题分析 | 第40-44页 |
| ·流失问题基本定义 | 第41-42页 |
| ·流失因素分析 | 第42-44页 |
| ·基于机器学习的社交网络节点流失预测模型 | 第44-51页 |
| ·基于朴素贝叶斯的CIM的节点流失预测模型 | 第45-47页 |
| ·基于K-Means算法的节点流失预测模型 | 第47-49页 |
| ·基于高斯判别分析的节点流失预测模型 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 实验与应用 | 第52-69页 |
| ·实验方案 | 第52-53页 |
| ·数据集与基本结构描述 | 第53-57页 |
| ·数据集获取 | 第53-56页 |
| ·数据结构 | 第56-57页 |
| ·实验过程与结果分析 | 第57-66页 |
| ·实验环境 | 第57页 |
| ·数据预处理与分析 | 第57-63页 |
| ·模型结果对比分析 | 第63-65页 |
| ·分析与讨论 | 第65-66页 |
| ·在线应用 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-70页 |
| ·工作总结 | 第69页 |
| ·进一步研究工作 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第75页 |
