基于数据挖掘技术的网络社区发现方法的研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·问题提出 | 第11-12页 |
| ·本文的研究内容和目标 | 第12-14页 |
| ·研究内容 | 第12-13页 |
| ·研究目标 | 第13-14页 |
| ·课题来源 | 第14页 |
| ·本文的组织结构 | 第14-15页 |
| 第2章 相关工作 | 第15-25页 |
| ·社会网络分析简介 | 第15-17页 |
| ·社会网络模型 | 第15-16页 |
| ·网络统计特性 | 第16-17页 |
| ·研究弱关系的价值 | 第17页 |
| ·社区结构发现简介 | 第17-21页 |
| ·社区定义 | 第17-18页 |
| ·社区结构发现算法 | 第18-21页 |
| ·关联路径挖掘 | 第21-24页 |
| ·关联路径定义 | 第21页 |
| ·关联路径挖掘算法 | 第21-24页 |
| ·核心人物发现 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第3章 多关系兴趣网络模型的建立 | 第25-33页 |
| ·用户兴趣本体 | 第25-26页 |
| ·兴趣模型 | 第25页 |
| ·用户兴趣本体 | 第25-26页 |
| ·基于本体的兴趣网络抽取 | 第26-28页 |
| ·本体存储 | 第26-27页 |
| ·兴趣网络抽取算法 | 第27-28页 |
| ·多关系网络合成 | 第28-29页 |
| ·R方法 | 第28页 |
| ·C方法 | 第28-29页 |
| ·实验及分析 | 第29-31页 |
| ·多关系网络与单关系网络度分布对比分析 | 第30-31页 |
| ·多关系网络与单关系网络连接度对比分析 | 第31页 |
| ·本章小结 | 第31-33页 |
| 第4章 基于谱聚类的社区结构发现算法 | 第33-47页 |
| ·谱聚类算法 | 第33-34页 |
| ·多路谱聚类算法原理 | 第33-34页 |
| ·NJW算法与MS算法 | 第34页 |
| ·改进的谱聚类算法 | 第34-38页 |
| ·PageRank | 第35-36页 |
| ·基于改进谱聚类的社区结构发现算法 | 第36-37页 |
| ·基于核心成员的谱聚类 | 第37-38页 |
| ·聚类数确定 | 第38-41页 |
| ·理论依据 | 第39页 |
| ·谱分布 | 第39-40页 |
| ·统计分析 | 第40-41页 |
| ·实验分析 | 第41-45页 |
| ·算法评价 | 第41-43页 |
| ·推荐兴趣相似的人 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第5章 基于隐马尔可夫的关联路径挖掘算法 | 第47-57页 |
| ·隐马尔可夫模型 | 第47-49页 |
| ·解码问题 | 第47-48页 |
| ·Viterbi算法 | 第48-49页 |
| ·多关系网络的关联路径挖掘算法 | 第49-54页 |
| ·HMM模型建立 | 第49-50页 |
| ·挖掘算法 | 第50-54页 |
| ·实验与分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第6章 基于观点挖掘的社区发现 | 第57-65页 |
| ·观点网络构建 | 第57-60页 |
| ·虚拟链接及观点网络 | 第57-58页 |
| ·基于虚拟链接的观点网络构建 | 第58-60页 |
| ·社区意见领袖发现 | 第60-61页 |
| ·实验及分析 | 第61-63页 |
| ·本章小结 | 第63-65页 |
| 第7章 总结 | 第65-67页 |
| ·本文主要工作 | 第65页 |
| ·进一步的工作 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 攻读硕士期间发表的论文 | 第73页 |
