| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 相关研究 | 第13-17页 |
| 1.2.1 多维文本数据分析的研究 | 第14-16页 |
| 1.2.2 信息网络分析方法的研究 | 第16-17页 |
| 1.2.3 维度发现的研究 | 第17页 |
| 1.3 本文所做的工作 | 第17-18页 |
| 1.4 论文的组织结构 | 第18-20页 |
| 第2章 文本特征维度生成方法框架 | 第20-29页 |
| 2.1 问题实例 | 第20-22页 |
| 2.2 基本思想 | 第22-27页 |
| 2.2.1 问题分析 | 第23-25页 |
| 2.2.2 解决问题的基本思想 | 第25-27页 |
| 2.3 方法框架 | 第27-29页 |
| 第3章 构造加权异构信息网络模型方法 | 第29-39页 |
| 3.1 定义加权异构信息网络模型 | 第29-31页 |
| 3.1.1 文档节点、作者节点、节点的边 | 第29-30页 |
| 3.1.2 加权异构信息网络 | 第30-31页 |
| 3.2 节点间关联关系和关联强度 | 第31-33页 |
| 3.3 计算网络中节点间相似度方法 | 第33-37页 |
| 3.3.1 提取特征短语 | 第33-35页 |
| 3.3.2 计算节点间相似度 | 第35-37页 |
| 3.4 构造加权异构信息网络模型 | 第37-39页 |
| 第4章 基于加权异构信息网络的文本特征维度生成方法 | 第39-45页 |
| 4.1 基于权重的加权异构信息网络的多社团发现方法 | 第39-42页 |
| 4.1.1 加权异构信息网络社团定义 | 第39-40页 |
| 4.1.2 信息网络多社团发现相关工作 | 第40页 |
| 4.1.3 加权异构信息网络多社团发现算法 | 第40-42页 |
| 4.2 基于多社团发现的层次维度生成方法 | 第42-44页 |
| 4.3 文本特征维度的度量抽取 | 第44-45页 |
| 第5章 实验分析 | 第45-54页 |
| 5.1 实验环境和数据集 | 第45-47页 |
| 5.2 实验方法步骤 | 第47-49页 |
| 5.3 维度发现有效性分析 | 第49-51页 |
| 5.4 构建异构信息网络时计算边权重策略性能分析 | 第51-53页 |
| 5.4.1 数据选取 | 第51页 |
| 5.4.2 实验分析 | 第51-53页 |
| 5.5 多社团发现时相似度阈值 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 未来的工作 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表的学术论文目录 | 第62-63页 |
| 攻读学位期间参与的科研项目及获奖情况 | 第63-64页 |
| 学位论文评阅及答辩情况表 | 第64页 |