基于频繁子图挖掘的小群体社交网络用户关系分析
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题背景及意义 | 第9-11页 |
| 1.2 国内外研究状况 | 第11-12页 |
| 1.3 论文研究工作与内容 | 第12-13页 |
| 1.4 论文的结构 | 第13-14页 |
| 第二章 相关理论与技术 | 第14-24页 |
| 2.1 社交网络研究 | 第14-16页 |
| 2.1.1 社交网络与符号网络的关系 | 第14-15页 |
| 2.1.2 符号社交网络正负关系分析概述 | 第15-16页 |
| 2.2 符号网络的基础理论 | 第16-19页 |
| 2.2.1 社会结构平衡理论 | 第16-18页 |
| 2.2.2 地位理论 | 第18-19页 |
| 2.3 符号网络分析常用方法 | 第19-22页 |
| 2.3.1 符号网络静态拓扑分析 | 第19-21页 |
| 2.3.2 符号社交网络中正负关系分析常用算法 | 第21-22页 |
| 2.4 图挖掘相关知识 | 第22-23页 |
| 2.4.1 频繁子图挖掘常用方法 | 第22-23页 |
| 2.4.2 分类 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于频繁子图挖掘的用户关系预测系统设计 | 第24-30页 |
| 3.1 系统整体框架设计 | 第24-25页 |
| 3.2 社交图数据设计 | 第25页 |
| 3.3 系统的功能设计 | 第25-29页 |
| 3.3.1 数据管理 | 第25-27页 |
| 3.3.2 子图挖掘 | 第27-28页 |
| 3.3.3 图数据矢量化 | 第28页 |
| 3.3.4 分类 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 频繁子图挖掘算法的分析和改进 | 第30-37页 |
| 4.1 频繁子图挖掘算法 | 第30-33页 |
| 4.1.1 频繁子图挖掘算法的选择 | 第30-31页 |
| 4.1.2 gSpan算法 | 第31-32页 |
| 4.1.3 gSpan算法存在问题 | 第32-33页 |
| 4.1.4 gSpan算法的改进策略 | 第33页 |
| 4.2 gSpan改进算法实验仿真及结果分析 | 第33-36页 |
| 4.3 本章小结 | 第36-37页 |
| 第五章 基于频繁子图挖掘的用户关系分析的实现 | 第37-49页 |
| 5.1 用户关系分析系统的实现环境 | 第37页 |
| 5.2 统计分析相关语言 | 第37-38页 |
| 5.3 用户关系分析系统的实现 | 第38-43页 |
| 5.3.1 自我图集合的实现 | 第38-42页 |
| 5.3.2 频繁子图的挖掘的实现 | 第42页 |
| 5.3.3 图数据向量化的实现 | 第42-43页 |
| 5.3.4 分类的实现 | 第43页 |
| 5.4 准确性的评估方法 | 第43-44页 |
| 5.5 用户关系分析系统精度及其结果分析 | 第44-47页 |
| 5.6 本章小结 | 第47-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 6.1 本文工作总结 | 第49页 |
| 6.2 未来展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表论文 | 第56页 |
