智能交通领域文献的多角度分析
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文研究内容 | 第11-13页 |
| 1.4 本文组织结构 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 相关概念与综述 | 第14-25页 |
| 2.1 文献分析 | 第14-15页 |
| 2.1.1 文献分析方法 | 第14页 |
| 2.1.2 H因子 | 第14-15页 |
| 2.2 聚类算法 | 第15-19页 |
| 2.2.1 社区发现概述 | 第15-17页 |
| 2.2.2 GN聚类算法 | 第17-18页 |
| 2.2.3 K-means算法 | 第18-19页 |
| 2.3 Pagerank模型 | 第19-20页 |
| 2.4 时间序列模型 | 第20-23页 |
| 2.4.1 引用分析时间序列模型 | 第20-22页 |
| 2.4.2 社会网络时间序列模型 | 第22-23页 |
| 2.5 主题模型 | 第23-25页 |
| 2.5.1 向量空间模型 | 第23页 |
| 2.5.2 潜在语义分析 | 第23页 |
| 2.5.3 概率潜语义分析 | 第23-24页 |
| 2.5.4 潜在狄利克雷分配 | 第24-25页 |
| 3 算法介绍 | 第25-34页 |
| 3.1 AuthorRank算法 | 第25-27页 |
| 3.1.1 AuthorRank算法思想 | 第25-26页 |
| 3.1.2 具体算法实现 | 第26-27页 |
| 3.1.3 AuthorRank预处理 | 第27页 |
| 3.2 合作网络分析算法 | 第27-31页 |
| 3.2.1 三个合作网络定义 | 第27-29页 |
| 3.2.2 合作网络分析算法 | 第29-30页 |
| 3.2.3 作者合著网络时间序列 | 第30-31页 |
| 3.3 LK-means主题模型 | 第31-34页 |
| 3.3.1 算法思想 | 第31-32页 |
| 3.3.2 具体算法实现 | 第32-34页 |
| 4 基础数据和影响力分析 | 第34-44页 |
| 4.1 数据源介绍 | 第34-35页 |
| 4.2 基础数据分析 | 第35-39页 |
| 4.2.1 文章基本信息统计 | 第35-36页 |
| 4.2.2 作者数据基本统计特性 | 第36页 |
| 4.2.3 机构数据基本统计特性 | 第36-37页 |
| 4.2.4 国家/地区数据基本统计特性 | 第37-38页 |
| 4.2.5 关键词数据基本统计特性 | 第38页 |
| 4.2.6 关键词数据变化特性 | 第38-39页 |
| 4.3 影响力分析 | 第39-44页 |
| 4.3.1 文章影响力分析 | 第39-41页 |
| 4.3.2 作者影响力分析 | 第41-44页 |
| 5 合作网络分析 | 第44-52页 |
| 5.1 算法分析 | 第44-45页 |
| 5.2 作者合著网络 | 第45-46页 |
| 5.3 同现关键词网络 | 第46-47页 |
| 5.4 作者间共关键词网络 | 第47-48页 |
| 5.5 作者合著网络时间序列 | 第48-52页 |
| 6 LK-means主题模型实验 | 第52-58页 |
| 6.1 模型评价 | 第52-54页 |
| 6.1.1 困惑度评价 | 第52-53页 |
| 6.1.2 主题分布相似性评价 | 第53页 |
| 6.1.3 主题划分Accuracy评价 | 第53-54页 |
| 6.1.4 关键词划分Score评价 | 第54页 |
| 6.2 实验结果与分析 | 第54-58页 |
| 6.2.1 主题关键词 | 第54-56页 |
| 6.2.2 主题变化趋势 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |
