基于流形学习的在线社会网络节点分类
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 在线社会网络的相关研究工作 | 第12-14页 |
| 1.3 本文的研究内容和章节安排 | 第14-16页 |
| 第二章 相关基础知识 | 第16-28页 |
| 2.1 数据挖掘基础 | 第16-22页 |
| 2.1.1 监督学习 | 第16-20页 |
| 2.1.2 无监督学习 | 第20-22页 |
| 2.2 在线社会网络的节点分类方法 | 第22-27页 |
| 2.2.1 问题描述 | 第22-23页 |
| 2.2.2 典型节点分类算法 | 第23-26页 |
| 2.2.3 优缺点分析 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 在线社会网络数据获取实现 | 第28-38页 |
| 3.1 在线网络数据分析系统简介 | 第28-29页 |
| 3.2 网易数据获取 | 第29-34页 |
| 3.2.1 网易数据结构介绍 | 第29-31页 |
| 3.2.2 网易数据获取实现 | 第31-34页 |
| 3.3 人人网数据获取 | 第34-36页 |
| 3.3.1 人人网数据结构介绍 | 第34-35页 |
| 3.3.2 人人网数据获取实现 | 第35-36页 |
| 3.4 数据获取评价标准 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于流形学习的在线社会网络节点分类算法 | 第38-57页 |
| 4.1 基本社会维模型 | 第38-40页 |
| 4.1.1 多标签节点分类 | 第38-39页 |
| 4.1.2 潜在社会维模型及其不足 | 第39-40页 |
| 4.2 基于流形学习的节点分类算法 | 第40-45页 |
| 4.2.1 流形学习 | 第41-42页 |
| 4.2.2 基于拉普拉斯特征映射的节点分类算法 | 第42-45页 |
| 4.3 结合内容特征的改进算法 | 第45-47页 |
| 4.4 实验 | 第47-56页 |
| 4.4.1 实验数据 | 第47-48页 |
| 4.4.2 评测标准 | 第48-50页 |
| 4.4.3 不同的拉普拉斯矩阵对性能的影响 | 第50页 |
| 4.4.4 与基本社会维模型的对比 | 第50-54页 |
| 4.4.5 改进算法的分类效果 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57页 |
| 5.2 研究展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间已发表或录用的论文 | 第64页 |
