基于多个社交网络的用户关系分析
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第15-29页 |
| 1.1 本论文研究的目的与意义 | 第15-17页 |
| 1.2 国内外研究现状及发展趋势 | 第17-25页 |
| 1.2.1 用户链接关系分析 | 第17-21页 |
| 1.2.2 社交网络影响力分析 | 第21-22页 |
| 1.2.3 排序学习 | 第22-24页 |
| 1.2.4 表示学习 | 第24-25页 |
| 1.3 研究内容与创新点 | 第25-26页 |
| 1.4 论文的组织结构 | 第26-29页 |
| 第2章 多网络中用户社交链接增长速度分析 | 第29-53页 |
| 2.1 引言 | 第29-31页 |
| 2.2 数据集与相关分析 | 第31-33页 |
| 2.2.1 新浪微博数据集 | 第31-32页 |
| 2.2.2 学术社交网络数据集 | 第32-33页 |
| 2.3 相关变量定义 | 第33-36页 |
| 2.3.1 社交链接增长速度爆发状态 | 第33-34页 |
| 2.3.2 基于结构的特征定义 | 第34-35页 |
| 2.3.3 基于内容的特征定义 | 第35-36页 |
| 2.4 社交链接增长速度分析 | 第36-51页 |
| 2.4.1 基于结构的分析 | 第37-44页 |
| 2.4.2 基于内容的分析 | 第44-48页 |
| 2.4.3 统计显著性分析 | 第48-50页 |
| 2.4.4 结果分析与讨论 | 第50-51页 |
| 2.5 本章小结 | 第51-53页 |
| 第3章 用户网络社交链接增长速度排序 | 第53-73页 |
| 3.1 引言 | 第53-55页 |
| 3.2 问题定义 | 第55-57页 |
| 3.3 基于因子图的排序模型 | 第57-61页 |
| 3.3.1 模型定义 | 第57-59页 |
| 3.3.2 参数学习 | 第59-60页 |
| 3.3.3 时间复杂度分析 | 第60-61页 |
| 3.4 实验结果与分析 | 第61-70页 |
| 3.4.1 评价标准 | 第61页 |
| 3.4.2 特征定义 | 第61-62页 |
| 3.4.3 基线方法 | 第62-64页 |
| 3.4.4 排序性能分析 | 第64-70页 |
| 3.5 本章小结 | 第70-73页 |
| 第4章 基于网络嵌入的跨网络锚链接预测 | 第73-95页 |
| 4.1 引言 | 第73-76页 |
| 4.2 模型框架 | 第76-83页 |
| 4.2.1 跨网络用户嵌入模型 | 第76-80页 |
| 4.2.2 参数学习 | 第80-83页 |
| 4.2.3 时间复杂度分析 | 第83页 |
| 4.2.4 跨网络用户映射 | 第83页 |
| 4.3 实验结果与分析 | 第83-93页 |
| 4.3.1 数据集描述 | 第83-84页 |
| 4.3.2 基线方法 | 第84-85页 |
| 4.3.3 评价标准 | 第85-86页 |
| 4.3.4 实验结果 | 第86-90页 |
| 4.3.5 可视化分析 | 第90-93页 |
| 4.4 本章小结 | 第93-95页 |
| 第5章 总结与展望 | 第95-99页 |
| 5.1 本文科研成果与创新性 | 第95-96页 |
| 5.2 下一步工作展望 | 第96-99页 |
| 参考文献 | 第99-111页 |
| 攻读学位期间发表的学术论文目录 | 第111-112页 |
| 攻读学位期间参与的项目 | 第112-113页 |
| 致谢 | 第113-115页 |
| 作者简介 | 第115页 |
