社交网络关联分析技术及应用研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 研究背景及意义 | 第16-18页 |
| 1.2 国内外研究现状 | 第18-22页 |
| 1.2.1 数据挖掘研究现状 | 第18-20页 |
| 1.2.2 关联规则挖掘算法研究现状 | 第20-22页 |
| 1.3 本文研究内容及结构 | 第22-24页 |
| 第二章 数据挖掘及关联规则挖掘技术 | 第24-36页 |
| 2.1 数据挖掘概述 | 第24-30页 |
| 2.1.1 数据挖掘概念 | 第24-26页 |
| 2.1.2 数据挖掘方法 | 第26-27页 |
| 2.1.3 数据挖掘基本步骤 | 第27-28页 |
| 2.1.4 数据挖掘数据类型 | 第28-29页 |
| 2.1.5 数据挖掘在社交网络中的应用 | 第29-30页 |
| 2.2 关联规则挖掘 | 第30-35页 |
| 2.2.1 基本概念 | 第30-32页 |
| 2.2.2 关联规则挖掘模型 | 第32页 |
| 2.2.3 关联规则挖掘分类 | 第32-34页 |
| 2.2.4 关联规则衡量标准 | 第34-35页 |
| 2.3 本章小结 | 第35-36页 |
| 第三章 社交网络关联规则挖掘方法研究 | 第36-46页 |
| 3.1 社交网络数据分析 | 第36-39页 |
| 3.1.1 社交网络数据特征 | 第36-37页 |
| 3.1.2 社交网络数据分析重点 | 第37-38页 |
| 3.1.3 社交网络数据分析流程 | 第38-39页 |
| 3.2 关联规则挖掘算法Apriori | 第39-45页 |
| 3.2.1 算法描述 | 第39-41页 |
| 3.2.2 实例说明 | 第41-43页 |
| 3.2.3 Apriori的瓶颈 | 第43-44页 |
| 3.2.4 典型Apriori优化 | 第44-45页 |
| 3.3 本章小结 | 第45-46页 |
| 第四章 基于遗传禁忌搜索的关联规则挖掘算法 | 第46-60页 |
| 4.1 遗传禁忌搜索基本理论 | 第46-48页 |
| 4.1.1 遗传禁忌搜索核心思想 | 第46页 |
| 4.1.2 遗传禁忌搜索算法描述 | 第46-48页 |
| 4.2 遗传禁忌搜索关联规则挖掘思想 | 第48-49页 |
| 4.3 基于遗传禁忌搜索的关联规则挖掘 | 第49-55页 |
| 4.3.1 关联规则编码方式 | 第49-50页 |
| 4.3.2 适应度函数构建 | 第50-51页 |
| 4.3.3 遗传算子设计 | 第51-54页 |
| 4.3.4 算法基本流程 | 第54-55页 |
| 4.4 算法评估 | 第55-59页 |
| 4.4.1 评分函数评价 | 第55-56页 |
| 4.4.2 一致性评价 | 第56-57页 |
| 4.4.3 性能分析 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 面向社交网络的关联规则挖掘应用 | 第60-82页 |
| 5.1 系统需求 | 第60-61页 |
| 5.2 总体设计 | 第61-63页 |
| 5.2.1 系统架构及功能模块 | 第61-62页 |
| 5.2.2 系统业务流程 | 第62-63页 |
| 5.3 数据采集及预处理 | 第63-73页 |
| 5.3.1 微博数据采集 | 第63-70页 |
| 5.3.2 数据预处理 | 第70-73页 |
| 5.4 关联规则提取模块 | 第73-75页 |
| 5.5 系统实现及评价 | 第75-81页 |
| 5.5.1 功能测试 | 第75-79页 |
| 5.5.2 性能分析 | 第79-81页 |
| 5.6 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 工作总结 | 第82-83页 |
| 6.2 研究展望 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 致谢 | 第88-90页 |
| 作者简介 | 第90-92页 |
| 附录A 预处理后关键词列表 | 第92-94页 |
