跨社交网络用户匹配方法的设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15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 论文内容和目标 | 第12-13页 |
| 1.3.1 主要内容 | 第12-13页 |
| 1.3.2 研究目标 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 相关技术 | 第15-25页 |
| 2.1 文本挖掘算法 | 第15-17页 |
| 2.1.1 文本分词 | 第15-16页 |
| 2.1.2 文本表示 | 第16-17页 |
| 2.2 图挖掘算法 | 第17-21页 |
| 2.2.1 PageRank算法 | 第17-19页 |
| 2.2.2 图划分算法 | 第19-21页 |
| 2.3 匹配算法 | 第21-24页 |
| 2.3.1 匹配模型 | 第21-23页 |
| 2.3.2 二分图匹配 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 跨社交网络用户匹配算法 | 第25-47页 |
| 3.1 问题定义与建模 | 第25-27页 |
| 3.2 算法框架 | 第27-30页 |
| 3.2.1 基于用户名的初始用户匹配算法 | 第28-29页 |
| 3.2.2 基于多维特征的全局用户匹配算法 | 第29-30页 |
| 3.3 用户特征挖掘 | 第30-38页 |
| 3.3.1 用户名特征 | 第30-32页 |
| 3.3.2 文本特征 | 第32-33页 |
| 3.3.3 结构特征 | 第33-36页 |
| 3.3.4 特征相似度计算 | 第36-38页 |
| 3.4 用户匹配算法 | 第38-46页 |
| 3.4.1 用户选择 | 第38-40页 |
| 3.4.2 匹配模型 | 第40-41页 |
| 3.4.3 匹配对生成 | 第41-44页 |
| 3.4.4 匹配算法 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于社区划分的跨社交网络用户匹配算法 | 第47-61页 |
| 4.1 算法框架 | 第47-48页 |
| 4.2 社区级匹配 | 第48-57页 |
| 4.2.1 社区划分 | 第48-55页 |
| 4.2.2 社区匹配 | 第55-57页 |
| 4.3 用户级匹配 | 第57-60页 |
| 4.3.1 并行匹配 | 第57-59页 |
| 4.3.2 全局匹配 | 第59-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 实验与分析 | 第61-71页 |
| 5.1 实验目标 | 第61-63页 |
| 5.1.1 评估指标 | 第61-62页 |
| 5.1.2 基线算法 | 第62-63页 |
| 5.2 实验环境 | 第63-66页 |
| 5.2.1 实验数据 | 第63-64页 |
| 5.2.2 系统框架 | 第64-65页 |
| 5.2.3 软硬件环境 | 第65-66页 |
| 5.3 实验对比 | 第66-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 工作总结 | 第71-72页 |
| 6.2 研究展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间取得的研究成果 | 第77页 |
