关联数据挖掘在微博意见领袖识别中的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-19页 |
| 1.2.1 关联数据的研究现状 | 第13-17页 |
| 1.2.2 社交网络相关研究 | 第17-19页 |
| 1.3 本文的主要工作 | 第19-20页 |
| 1.4 本文的结构安排 | 第20-22页 |
| 2 相关理论及研究 | 第22-31页 |
| 2.1 社交网络用户相似度计算 | 第22-24页 |
| 2.2 数据关联化工具 | 第24-26页 |
| 2.3 意见领袖概念及识别方法 | 第26-28页 |
| 2.4 关联规则挖掘算法 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 微博用户相似度计算 | 第31-42页 |
| 3.1 微博用户属性分析 | 第31-33页 |
| 3.2 基于背景的相似度计算 | 第33-35页 |
| 3.3 基于互动信息的相似度计算 | 第35-36页 |
| 3.4 基于层次分析法的属性综合相似度模型 | 第36-37页 |
| 3.5 实验及结果分析 | 第37-41页 |
| 3.5.1 实验环境及数据 | 第37-38页 |
| 3.5.2 属性权值分配 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 4 关联微博数据集构建 | 第42-52页 |
| 4.1 关联化方法 | 第42-44页 |
| 4.2 构建过程 | 第44-51页 |
| 4.2.1 定义概念 | 第44-47页 |
| 4.2.2 定义属性 | 第47-50页 |
| 4.2.3 创建实例 | 第50-51页 |
| 4.3 本章小结 | 第51-52页 |
| 5 基于关联数据的意见领袖识别 | 第52-62页 |
| 5.1 关联数据挖掘 | 第52-54页 |
| 5.2 基于关联数据的意见领袖识别 | 第54-61页 |
| 5.2.1 关联数据事务化处理 | 第54-57页 |
| 5.2.2 数据标准化处理 | 第57-58页 |
| 5.2.3 意见领袖识别方法 | 第58-59页 |
| 5.2.4 实验及结果分析 | 第59-61页 |
| 5.3 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 本文总结 | 第62-63页 |
| 6.2 研究展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68页 |
| 在读期间发表的论文及参与的项目 | 第68页 |
| 发表论文 | 第68页 |
| 参与项目 | 第68页 |
