异质网络社区挖掘技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 第2章 异质网络理论研究 | 第14-24页 |
| 2.1 异质网络介绍 | 第14-15页 |
| 2.2 聚类分析 | 第15-20页 |
| 2.2.1 划分聚类方法 | 第16-17页 |
| 2.2.2 层次聚类方法 | 第17-19页 |
| 2.2.3 基于密度的聚类方法 | 第19页 |
| 2.2.4 基于网格的聚类方法 | 第19-20页 |
| 2.3 排名算法 | 第20-23页 |
| 2.3.1 HITS | 第20-22页 |
| 2.3.2 PageRank | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 排名函数 | 第24-38页 |
| 3.1 基本概念定义 | 第24-25页 |
| 3.2 2-类型网络 | 第25-27页 |
| 3.3 基于2-类型网络的排名函数 | 第27-32页 |
| 3.3.1 简单排名 | 第27-28页 |
| 3.3.2 权威排名 | 第28-32页 |
| 3.4 选择排名方案 | 第32-33页 |
| 3.5 基于簇的相对排名 | 第33-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第4章 基于排名的异质网络社区挖掘算法研究 | 第38-56页 |
| 4.1 算法描述 | 第39-42页 |
| 4.2 基于CluBRank的社区挖掘 | 第42-53页 |
| 4.2.1 基于简单排名的初始聚类 | 第42-44页 |
| 4.2.2 目标对象的混合模型 | 第44-46页 |
| 4.2.3 基于EM算法的参数估计 | 第46-48页 |
| 4.2.4 基于类中心向量法的聚类调整 | 第48-51页 |
| 4.2.5 CluBRank算法流程 | 第51-53页 |
| 4.3 CluBRank算法分析 | 第53-54页 |
| 4.4 多类型网络的社区挖掘 | 第54页 |
| 4.5 本章小结 | 第54-56页 |
| 第5章 实验结果及分析 | 第56-64页 |
| 5.1 实验环境 | 第56页 |
| 5.2 社区挖掘算法准确性评价指标 | 第56-57页 |
| 5.3 真实数据集 | 第57-59页 |
| 5.3.1 DBLP数据集 | 第57页 |
| 5.3.2 实验及分析 | 第57-59页 |
| 5.4 模拟数据集 | 第59-63页 |
| 5.4.1 合成2-类型网络 | 第59-60页 |
| 5.4.2 实验及分析 | 第60-63页 |
| 5.5 本章总结 | 第63-64页 |
| 第6章 总结和展望 | 第64-66页 |
| 6.1 工作总结 | 第64页 |
| 6.2 未来工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
