基于兴趣的社群垂直化分类方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.1.1 选题背景 | 第10页 |
| 1.1.2 选题意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 论文研究内容及思路框架 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 思路框架 | 第15-16页 |
| 第2章 相关模型理论基础 | 第16-28页 |
| 2.1 兴趣定义 | 第16页 |
| 2.2 社群概述 | 第16-20页 |
| 2.2.1 社群定义 | 第16-17页 |
| 2.2.2 社群的结构特征 | 第17-18页 |
| 2.2.3 社群的类别 | 第18-20页 |
| 2.3 垂直化分类概述 | 第20-21页 |
| 2.3.1 垂直化分类定义 | 第20页 |
| 2.3.2 垂直化社群定义 | 第20-21页 |
| 2.4 用户兴趣分析模式 | 第21-22页 |
| 2.5 用户兴趣特征词提取相关技术 | 第22-25页 |
| 2.5.1 网络爬虫原理 | 第22-23页 |
| 2.5.2 文本预处理技术 | 第23-25页 |
| 2.6 传统社群分类方法 | 第25-27页 |
| 2.6.1 GN分裂法 | 第25-26页 |
| 2.6.2 FN凝聚法 | 第26-27页 |
| 2.6.3 传统算法局限性 | 第27页 |
| 2.7 本章小结 | 第27-28页 |
| 第3章 兴趣建模研究 | 第28-62页 |
| 3.1 常见的兴趣模型表示方式 | 第28-29页 |
| 3.2 基于VSM的兴趣向量显式表示 | 第29-30页 |
| 3.3 混合式兴趣建模 | 第30-39页 |
| 3.3.1 兴趣提取指标分析 | 第32页 |
| 3.3.2 基于LDA算法的兴趣特征词提取 | 第32-36页 |
| 3.3.3 长期兴趣模型 | 第36-37页 |
| 3.3.4 短期兴趣模型 | 第37-38页 |
| 3.3.5 混合兴趣模型 | 第38-39页 |
| 3.4 模型验证 | 第39-61页 |
| 3.4.1 数据的收集 | 第39-48页 |
| 3.4.2 数据的处理 | 第48-58页 |
| 3.4.3 实验结果与讨论 | 第58-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第4章 社群垂直化分类算法 | 第62-81页 |
| 4.1 社群网络图 | 第62-63页 |
| 4.2 基于兴趣的网络节点相似度函数 | 第63-64页 |
| 4.3 一种改进的社群分类标准 | 第64-66页 |
| 4.3.1 模块度 | 第64-65页 |
| 4.3.2 加权的模块度计算方式 | 第65-66页 |
| 4.4 算法实现流程 | 第66-67页 |
| 4.5 实证分析研究 | 第67-80页 |
| 4.5.1 社群网络图构建 | 第67-70页 |
| 4.5.2 社群划分数目分析 | 第70-73页 |
| 4.5.3 模块度分析 | 第73-77页 |
| 4.5.4 兴趣内聚分析 | 第77-80页 |
| 4.6 本章小结 | 第80-81页 |
| 第5章 总结与展望 | 第81-83页 |
| 5.1 文章总结 | 第81-82页 |
| 5.2 展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87页 |
