基于EVS相似度的邮件社区划分方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 1 引言 | 第8-13页 |
| ·研究背景 | 第8-9页 |
| ·网络社区的特征 | 第9-11页 |
| ·本文的主要贡献 | 第11-12页 |
| ·本文的内容组织 | 第12-13页 |
| 2 邻近性度量和相关社区发掘算法 | 第13-24页 |
| ·邻近性度量方法 | 第13-17页 |
| ·欧氏距离 | 第13-14页 |
| ·闵可夫斯基距离 | 第14页 |
| ·相似性系数 | 第14-15页 |
| ·共享近邻相似度 | 第15-16页 |
| ·余弦相似度 | 第16-17页 |
| ·皮尔森相似度 | 第17页 |
| ·现有算法简介 | 第17-23页 |
| ·层次聚类方法 | 第18-19页 |
| ·基于重要度分析的算法 | 第19-21页 |
| ·迭代二分法 | 第21页 |
| ·基于边介数的G-N算法 | 第21-22页 |
| ·基于网络三角环的算法 | 第22-23页 |
| ·现有算法评价 | 第23页 |
| ·本章小结 | 第23-24页 |
| 3 相关表示与EVS相似度 | 第24-35页 |
| ·相关表示 | 第24-25页 |
| ·邮件特征的向量表示 | 第25-27页 |
| ·邮件的EVS相似度度量 | 第27-34页 |
| ·极值分布 | 第29-30页 |
| ·基本思想 | 第30-31页 |
| ·EVS相似度 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于相似度度量的邮件社区划分方法 | 第35-40页 |
| ·基本思想 | 第35-36页 |
| ·基本框架 | 第36-39页 |
| ·性能分析 | 第39页 |
| ·本章小结 | 第39-40页 |
| 5 实验与结果分析 | 第40-46页 |
| ·测试数据集 | 第40页 |
| ·实验说明 | 第40-41页 |
| ·实验环境 | 第40-41页 |
| ·实验设置 | 第41页 |
| ·结果与分析 | 第41-45页 |
| ·实验一 | 第41-42页 |
| ·实验二 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 6 总结与展望 | 第46-48页 |
| ·总结 | 第46-47页 |
| ·工作展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第53页 |
