基于连接强度的用户社区划分算法及应用研究
| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 第1章 绪论 | 第12-16页 |
| ·研究背景与意义 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·论文的主要研究内容 | 第14-15页 |
| ·论文的组织结构与安排 | 第15-16页 |
| 第2章 预备知识与相关算法 | 第16-24页 |
| ·数据挖掘概述 | 第16-21页 |
| ·数据挖掘的方法和过程 | 第16-18页 |
| ·聚类概述 | 第18-20页 |
| ·经典聚类算法—K-Means算法 | 第20-21页 |
| ·社交网络社区发现算法 | 第21-23页 |
| ·社区发现算法概述 | 第21-22页 |
| ·Net SCAN算法介绍 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于连接强度的兴趣相似用户社区聚类算法 | 第24-32页 |
| ·模型和相关定义 | 第24-27页 |
| ·有向信息图模型 | 第24页 |
| ·微博数据分类 | 第24页 |
| ·连接关注度 | 第24-26页 |
| ·节点中心度 | 第26-27页 |
| ·轮廓系数 | 第27页 |
| ·基于连接强度的相似用户社区划分算法 | 第27-31页 |
| ·微博关系数据分析及中心节点的选取 | 第27-30页 |
| ·节点划分及社区合并 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 Weka数据挖掘平台介绍及实验环境搭建 | 第32-39页 |
| ·数据挖掘平台概述 | 第32-33页 |
| ·Weka数据挖掘平台 | 第33-38页 |
| ·Weka图像界面 | 第33-36页 |
| ·Weka访问数据库 | 第36-38页 |
| ·Weka在My Eclipse中的部署 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第5章 基于Weka平台扩展和数据预处理 | 第39-52页 |
| ·Weka数据预处理技术 | 第39页 |
| ·Weka过滤器扩展 | 第39-51页 |
| ·Weka过滤器分析 | 第39-42页 |
| ·Weka过滤器的工作原理 | 第42-45页 |
| ·Weka过滤器的扩展方法 | 第45-46页 |
| ·根据实验数据预处理要求扩展Weka过滤器 | 第46-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 实验及结果分析 | 第52-64页 |
| ·用户兴趣相似性计算 | 第52-57页 |
| ·Weka集成中文分词器IKAnalyzer | 第52-53页 |
| ·IK分词器提取博文主题词 | 第53-56页 |
| ·户兴趣相似性度量 | 第56-57页 |
| ·连接关系处理及参数选择 | 第57-59页 |
| ·建立连接数据关系 | 第57-58页 |
| ·连接参数选取 | 第58-59页 |
| ·初始化连接强度 | 第59页 |
| ·实验及结果分析 | 第59-63页 |
| ·实验数据介绍 | 第59-60页 |
| ·K、L选择及实验分析 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 总结与展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间所发表论文 | 第70页 |
