首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于强关系的用户属性信息推断方法

摘要第4-5页
Abstract第5-6页
第1章 绪论第9-19页
    1.1 课题的研究背景及意义第9-10页
    1.2 问题规范化表示第10-11页
    1.3 研究现状与待解决问题第11-13页
        1.3.1 研究现状第11-13页
        1.3.2 待解决问题第13页
    1.4 论文主要研究内容与组织结构第13-15页
        1.4.1 论文主要研究内容第13-15页
        1.4.2 组织结构第15页
    1.5 用户属性推断相关问题介绍第15-19页
        1.5.1 用户属性基本概述第15-17页
        1.5.2 评价方法及度量指标第17-19页
第2章 经典的用户属性推断方法第19-34页
    2.1 数据集的收集与推断数据的准备第19-23页
        2.1.1 数据集的收集第19-21页
        2.1.2 实验数据集的抽取第21-22页
        2.1.3 推断数据第22-23页
    2.2 用户属性推断方法基本介绍第23页
    2.3 经典的用户属性推断方法第23-31页
        2.3.1 基于分类的用户属性信息推断方法-ICA算法第23-27页
        2.3.2 基于邻居投票的用户属性信息推断方法-IRN算法第27-28页
        2.3.3 基于随机游走的用户属性信息推断方法-MultiRankWalk算法第28-30页
        2.3.4 基于社区划分的用户属性信息推断方法-CNM算法第30-31页
    2.4 实验结果第31-33页
        2.4.1 用户地域属性上的推断结果第31-32页
        2.4.2 用户性别属性上的推断结果第32-33页
    2.5 本章小结第33-34页
第3章 社交网络中强关系的判定第34-45页
    3.1 强关系的判定方法第34-35页
    3.2 基于社区划分的方法—louvain社区发现算法第35-38页
    3.3 基于标签传播的方法-FluidCommunities流动性社区检测算法第38-40页
    3.4 基于随机游走的方法-WalkTrap网络社区划分算法第40-43页
    3.5 比较社区划分效果第43-44页
    3.6 本章小结第44-45页
第4章 基于强关系的用户属性推断方法的改进第45-67页
    4.1 基于强关系的算法改进思路第45页
    4.2 基于louvain社区发现算法下的信息推断效果第45-53页
        4.2.1 用户地域属性实验结果第46-49页
        4.2.2 用户性别属性实验结果第49-53页
    4.3 基于FluidCommunities流动性社区检测算法下的信息推断效果第53-59页
        4.3.1 用户地域属性实验结果第53-55页
        4.3.2 用户性别属性实验结果第55-59页
    4.4 基于WalkTrap网络社区划分算法下的信息推断效果第59-65页
        4.4.1 用户地域属性实验结果第59-62页
        4.4.2 用户性别属性实验结果第62-65页
    4.5 本章小结第65-67页
结论第67-69页
参考文献第69-74页
致谢第74页

论文共74页,点击 下载论文
上一篇:基于SDN的多链路负载均衡策略研究
下一篇:基于Web的多智能体系统实验平台的设计与实现