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

一种基于用户交互行为的微博社区发现方法

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-18页
    1.1 研究背景及意义第10-11页
    1.2 研究现状第11-15页
        1.2.1 微博研究现状第11-13页
        1.2.2 社区发现研究现状第13-15页
    1.3 本文主要工作及创新点第15页
    1.4 本文组织第15-18页
第2章 研究基础第18-26页
    2.1 引文分析理论第18-20页
        2.1.1 引文分析简介第18-19页
        2.1.2 引文关系第19-20页
    2.2 著者互引分析和著者耦合分析第20-21页
        2.2.1 著者互引分析第20页
        2.2.2 著者耦合分析第20-21页
    2.3 社区发现方法第21-24页
        2.3.1 社区发现方法第21-23页
        2.3.2 传统微博社区发现方法第23-24页
    2.4 本章小结第24-26页
第3章 微博网络与用户交互行为分析第26-34页
    3.1 微博网络第26-30页
        3.1.1 微博网络简介第26-27页
        3.1.2 微博网络特点第27-28页
        3.1.3 微博网络社区结构分析第28-30页
    3.2 微博用户交互行为分析第30-32页
    3.3 本章小结第32-34页
第4章 基于用户交互行为的微博社区发现算法第34-44页
    4.1 微博用户交互行为建模第35-38页
        4.1.1 模型建立第35-36页
        4.1.2 交互行为权重计算第36-38页
    4.2 微博用户交互相似度计算方法第38-41页
    4.3 基于微博用户交互相似度的微博社区发现算法第41-42页
    4.4 本章小结第42-44页
第5章 实验结果及分析第44-48页
    5.1 实验数据集第44页
    5.2 实验评价标准第44-46页
    5.3 实验结果及分析第46-47页
    5.4 本章小结第47-48页
第6章 总结和展望第48-50页
    6.1 总结第48页
    6.2 展望第48-50页
参考文献第50-54页
致谢第54-55页
攻读学位期间取得的科研成果第55页

论文共55页,点击 下载论文
上一篇:基于VaR模型的互联网货币市场基金风险管理研究
下一篇:锌指蛋白ZBTB20及B细胞异常活化与SLE发病的相关性研究