| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 基于排序的异构信息网络挖掘 | 第9-10页 |
| 1.2.2 基于Meta path的异构信息网络挖掘 | 第10页 |
| 1.2.3 链接关系和结点属性相结合的异构信息网络挖掘 | 第10-11页 |
| 1.2.4 基于随机游走的的异构信息网络挖掘 | 第11页 |
| 1.3 本文组织结构 | 第11-13页 |
| 2 异构信息网络聚类方法综述 | 第13-25页 |
| 2.1 使用概率生成模型的聚类算法 | 第13-21页 |
| 2.1.1 RankClus算法 | 第13-15页 |
| 2.1.2 NetClus算法 | 第15-20页 |
| 2.1.3 PathSelClus算法 | 第20页 |
| 2.1.4 GenClus算法 | 第20-21页 |
| 2.2 使用新的相似度定义的聚类算法 | 第21-22页 |
| 2.2.1 SA-Cluster算法 | 第21页 |
| 2.2.2 SI-Cluster算法 | 第21-22页 |
| 2.2.3 其他 | 第22页 |
| 2.3 使用主题传播的聚类算法 | 第22-23页 |
| 2.4 使用非负矩阵分解的聚类算法 | 第23-25页 |
| 3 基于非负矩阵三分解的异构信息网络聚类模型 | 第25-43页 |
| 3.1 异构信息网络及相关概念的定义 | 第25-28页 |
| 3.2 非负矩阵分解算法 | 第28-31页 |
| 3.2.1 非负矩阵二分解 | 第28-29页 |
| 3.2.2 非负矩阵三分解 | 第29-31页 |
| 3.3 基于非负矩阵三分解的异构信息网络聚类 | 第31-43页 |
| 3.3.1 算法框架 | 第31页 |
| 3.3.2 异构信息网络的转换 | 第31-33页 |
| 3.3.3 HMFClus算法 | 第33-35页 |
| 3.3.4 HMFClus-S算法 | 第35-36页 |
| 3.3.5 算法的求解 | 第36-40页 |
| 3.3.6 算法的正确性与收敛性证明 | 第40-42页 |
| 3.3.7 算法的复杂度分析 | 第42-43页 |
| 4 实验结果及分析 | 第43-52页 |
| 4.1 实验数据集介绍 | 第43-44页 |
| 4.2 对比算法介绍 | 第44-45页 |
| 4.3 算法的评价标准 | 第45-46页 |
| 4.4 λ的设置 | 第46页 |
| 4.5 在二分异构信息网络上的实验 | 第46-48页 |
| 4.5.1 实验参数的设定 | 第46-47页 |
| 4.5.2 实验结果分析 | 第47-48页 |
| 4.6 在一般性异构信息网络上的实验 | 第48-50页 |
| 4.6.1 实验参数的设定 | 第48-49页 |
| 4.6.2 实验结果分析 | 第49-50页 |
| 4.7 算法的收敛性实验 | 第50-51页 |
| 4.8 算法的效率性实验 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |