基于社会网络分析的Web社区发现
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-12页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·Web社区发现 | 第12-13页 |
| ·社会网络分析 | 第13-14页 |
| ·主要研究工作及创新点 | 第14-15页 |
| ·本文结构 | 第15-16页 |
| 2 相关理论与关键技术 | 第16-29页 |
| ·微博概述 | 第16-20页 |
| ·微博相关定义 | 第16-17页 |
| ·微博的结构 | 第17-18页 |
| ·微博的分类 | 第18页 |
| ·微博的传播特点 | 第18-19页 |
| ·微博的功能 | 第19-20页 |
| ·Web社区发现技术 | 第20-25页 |
| ·基于链接分析的Web社区发现算法 | 第20-24页 |
| ·文本挖掘 | 第24-25页 |
| ·社会网络分析技术 | 第25-29页 |
| ·社会网络分析概念 | 第25-27页 |
| ·社会网络分析类型 | 第27页 |
| ·社会网络分析流程 | 第27-29页 |
| 3 微博社区模型分析 | 第29-38页 |
| ·Web社区模型 | 第29-33页 |
| ·微博社区特征分析 | 第33-38页 |
| ·微博社交模式 | 第33-35页 |
| ·微博中的同质性 | 第35-36页 |
| ·微博中的无标度现象 | 第36-38页 |
| 4 基于社会网络分析的微博社区发现算法 | 第38-51页 |
| ·微博主题同质性证明 | 第39-44页 |
| ·文本内容采集 | 第39-40页 |
| ·主题抽取 | 第40-43页 |
| ·主题同质性证明 | 第43-44页 |
| ·微博社区模型建立 | 第44页 |
| ·基于主题与链接分析的微博社区发现算法 | 第44-48页 |
| ·链接相关度 | 第45-46页 |
| ·主题相关度 | 第46页 |
| ·用户总相关度 | 第46页 |
| ·分类算法 | 第46-48页 |
| ·社会网络分析参数 | 第48-51页 |
| 5 实验结果及评价 | 第51-58页 |
| ·数据集及参数设置 | 第51页 |
| ·评价方法 | 第51-52页 |
| ·纯度 | 第51-52页 |
| ·熵值 | 第52页 |
| ·实验结果分析及仿真 | 第52-58页 |
| ·初步社区划分评价 | 第52-54页 |
| ·社会网络工具可视化 | 第54-55页 |
| ·社会网络分析方法分析社区 | 第55-58页 |
| 结论 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读学位期间的研究成果 | 第64页 |
