异构网络中的社团检测算法研究及应用
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 研究背景与意义 | 第16-18页 |
| 1.2 国内外研究现状 | 第18-21页 |
| 1.2.1 异构信息网络中的社团检测 | 第18-19页 |
| 1.2.2 基于异构信息网络的推荐方法 | 第19-21页 |
| 1.2.3 问题与挑战 | 第21页 |
| 1.3 本文的主要研究内容及创新 | 第21-25页 |
| 1.3.1 研究内容 | 第21-22页 |
| 1.3.2 研究思路 | 第22-23页 |
| 1.3.3 研究框架 | 第23页 |
| 1.3.4 本文的创新点与贡献 | 第23-25页 |
| 1.4 本文的行文结构 | 第25页 |
| 1.5 本章小节 | 第25-26页 |
| 第二章 相关工作概述 | 第26-39页 |
| 2.1 异构信息网络基本概念 | 第26-27页 |
| 2.2 异构信息网络中的社团检测方法 | 第27-29页 |
| 2.2.1 基于排序的方法 | 第27页 |
| 2.2.2 基于元路径的方法 | 第27-29页 |
| 2.2.3 多视图学习的方法 | 第29页 |
| 2.3 基于异构信息网络的推荐系统概述 | 第29-38页 |
| 2.3.1 传统的推荐系统方法 | 第30-33页 |
| 2.3.2 融合多源异构信息的推荐系统方法 | 第33-38页 |
| 2.3.2.1 基于正则化的融合策略 | 第34-35页 |
| 2.3.2.2 基于偏好传播的融合策略 | 第35-37页 |
| 2.3.2.3 基于集体矩阵分解的融合策略 | 第37页 |
| 2.3.2.4 其他推荐方法 | 第37-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第三章 异构信息网络中的社团检测模型 | 第39-57页 |
| 3.1 概念与问题定义 | 第39-40页 |
| 3.2 HomClus算法 | 第40-48页 |
| 3.2.1 基本思想 | 第40页 |
| 3.2.2 创新点 | 第40-41页 |
| 3.2.3 异构网络的同构表征 | 第41-42页 |
| 3.2.4 多个同构网络的聚合 | 第42-43页 |
| 3.2.5 同构网络的低秩近似—非负矩阵分解 | 第43-45页 |
| 3.2.6 基于同步的动态聚类 | 第45-48页 |
| 3.2.7 HomClus算法框架 | 第48页 |
| 3.3 实验 | 第48-56页 |
| 3.3.1 实验环境 | 第48-49页 |
| 3.3.2 实验数据集 | 第49-51页 |
| 3.3.2.1 人工数据集 | 第49-50页 |
| 3.3.2.2 真实数据集 | 第50-51页 |
| 3.3.3 对比算法与评估指标 | 第51-53页 |
| 3.3.3.1 对比算法 | 第51页 |
| 3.3.3.2 评估指标 | 第51-53页 |
| 3.3.4 实验结果与分析 | 第53-55页 |
| 3.3.4.1 人工数据集 | 第53页 |
| 3.3.4.2 真实数据集 | 第53-55页 |
| 3.3.5 参数敏感度分析 | 第55-56页 |
| 3.3.5.1 低维参数6) | 第55页 |
| 3.3.5.2 交互范围 | 第55-56页 |
| 3.4 本章小节 | 第56-57页 |
| 第四章 基于异构信息网络的推荐系统 | 第57-74页 |
| 4.1 问题定义 | 第57-58页 |
| 4.2 CSR算法 | 第58-65页 |
| 4.2.1 基本思想 | 第58-59页 |
| 4.2.2 创新点 | 第59-60页 |
| 4.2.3 从异构信息网络信息到相似性信息 | 第60-61页 |
| 4.2.4 融合策略 | 第61-62页 |
| 4.2.5 相似性正则化的一致逼近 | 第62-63页 |
| 4.2.6 CSR模型 | 第63页 |
| 4.2.7 学习算法 | 第63-64页 |
| 4.2.8 算法框架 | 第64-65页 |
| 4.3 实验 | 第65-73页 |
| 4.3.1 实验环境 | 第65页 |
| 4.3.2 实验数据集 | 第65-66页 |
| 4.3.3 对比算法与评估指标 | 第66-68页 |
| 4.3.3.1 对比算法 | 第66-67页 |
| 4.3.3.2 评价指标 | 第67-68页 |
| 4.3.4 实验结果与分析 | 第68-71页 |
| 4.3.5 敏感度分析及参数学习 | 第71-73页 |
| 4.3.5.1 渐近因子维度6) | 第71-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第五章 总结与工作展望 | 第74-76页 |
| 5.1 本文工作总结 | 第74-75页 |
| 5.2 未来工作展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-87页 |
| 攻硕期间取得的研究成果 | 第87-88页 |
