博客朋友推荐技术的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景 | 第11-14页 |
| ·研究内容 | 第14-16页 |
| ·本文组织结构 | 第16-17页 |
| 第2章 研究基础 | 第17-31页 |
| ·博客 | 第17-20页 |
| ·博客概述 | 第17-18页 |
| ·博客的分类 | 第18-19页 |
| ·博客中的核心技术 | 第19-20页 |
| ·聚类分析和社区发现 | 第20-25页 |
| ·聚类算法分类 | 第21-22页 |
| ·传统Web社区发现 | 第22页 |
| ·Blog社区发现技术 | 第22-25页 |
| ·博客内容挖掘 | 第25-28页 |
| ·博客内容挖掘概述 | 第25-26页 |
| ·文本信息挖掘 | 第26-27页 |
| ·Web挖掘 | 第27-28页 |
| ·相关开发技术 | 第28-29页 |
| ·.Net技术 | 第28-29页 |
| ·正则表达式 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第3章 博客好友推荐框架和模型 | 第31-37页 |
| ·博客分析 | 第31-33页 |
| ·博客中的概念和对象 | 第31-33页 |
| ·博客信息的层次关系 | 第33页 |
| ·博客好友推荐模型 | 第33-34页 |
| ·朋友的定义 | 第33-34页 |
| ·博客推荐模型 | 第34页 |
| ·博客好友推荐过程 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 博客好友推荐方法 | 第37-51页 |
| ·基于博主聚类结果的好友推荐 | 第37-42页 |
| ·在朋友推荐中应用博主聚类的原因 | 第37页 |
| ·博主聚类 | 第37-39页 |
| ·基于文本的博客相似度计算 | 第39-41页 |
| ·基于文本相似度和聚类结果的朋友推荐方法 | 第41-42页 |
| ·基于文本的博主聚类方法 | 第42-45页 |
| ·Blog集合的合并和相似度计算 | 第42-43页 |
| ·基于博文相似度的博主聚类算法 | 第43-44页 |
| ·基于博主集合相似度和合并的博主聚类算法 | 第44-45页 |
| ·基于链接和文本结合的博主聚类方法 | 第45-48页 |
| ·在文本信息中结合链接信息的原因 | 第45页 |
| ·基于链接信息和文本信息的无权邻接图 | 第45-46页 |
| ·博主集合链接强度的计算 | 第46页 |
| ·ROCK聚类算法 | 第46-48页 |
| ·本文中ROCK算法的应用 | 第48页 |
| ·本章小结 | 第48-51页 |
| 第5章 实验设计和结果分析 | 第51-73页 |
| ·实验数据采集过程 | 第51-59页 |
| ·实验原始数据 | 第51页 |
| ·数据获取 | 第51-52页 |
| ·基于爬虫的博客地址收集 | 第52-54页 |
| ·博客数据采集 | 第54-57页 |
| ·文章分词和词性过滤 | 第57-58页 |
| ·实现多线程数据采集的核心类及方法 | 第58-59页 |
| ·博客属性数据库存储和提取接口 | 第59-62页 |
| ·博文article数据库表结构 | 第60页 |
| ·博主Blogger数据库表结构 | 第60-61页 |
| ·实现数据库接口的核心类 | 第61-62页 |
| ·博主聚类方法的实现 | 第62-66页 |
| ·ROCK聚类算法中数据结构分析 | 第62-63页 |
| ·ROCK聚类算法中的数据结构 | 第63-64页 |
| ·基于文本的博客相似度计算类设计 | 第64-66页 |
| ·实验结果分析 | 第66-71页 |
| ·好友推荐方法的机器评价标准 | 第66页 |
| ·好友推荐方法的人工评价标准 | 第66-67页 |
| ·适用性实验 | 第67-70页 |
| ·对比实验 | 第70-71页 |
| ·本章小结 | 第71-73页 |
| 第6章 结束语 | 第73-75页 |
| ·结论 | 第73-74页 |
| ·未来工作展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79页 |
