| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 研究动机 | 第14-15页 |
| 1.4 本文研究内容与组织结构 | 第15-17页 |
| 第2章 相关概念与理论 | 第17-35页 |
| 2.1 社交网络中用户画像分析问题中的相关概念 | 第17-18页 |
| 2.2 用户画像的常用算法 | 第18-20页 |
| 2.2.1 基于用户自己产生的数据的用户画像的方法 | 第18-19页 |
| 2.2.2 基于社交网络结构的用户画像的方法 | 第19-20页 |
| 2.3 本文提出的算法框架中涉及到的机器学习算法简介 | 第20-34页 |
| 2.3.1 基于随机游走的算法 | 第20-26页 |
| 2.3.2 主题模型 | 第26-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于主题模型的社交网络用户画像框架 | 第35-45页 |
| 3.1 引言 | 第35-36页 |
| 3.2 基于主题模型的社交网络用户画像框架 | 第36-43页 |
| 3.2.1 完整的算法框架流程 | 第36-38页 |
| 3.2.2 UPTM(User Profiling based Topic Model) | 第38-42页 |
| 3.2.3 基于标签传播算法(LP)对UPTM的结果进行精调 | 第42-43页 |
| 3.3 本章小结 | 第43-45页 |
| 第4章 实验及结果分析 | 第45-53页 |
| 4.1 实验设置 | 第45-50页 |
| 4.1.1 数据集 | 第45-49页 |
| 4.1.2 对比方法 | 第49页 |
| 4.1.3 参数选择 | 第49-50页 |
| 4.2 实验结果 | 第50-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-57页 |
| 5.1 全文总结 | 第53-54页 |
| 5.2 下一步工作及展望 | 第54-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 在读期间发表的学术论文与取得的研究成果 | 第63页 |
