面向微博平台的社区发现及演化分析
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 异质关系网络的社区发现 | 第12-14页 |
| 1.2.2 社区演化的监测与分析 | 第14页 |
| 1.2.3 局部的社区发现 | 第14-15页 |
| 1.2.4 跨平台获取用户信息 | 第15页 |
| 1.3 论文主要研究内容 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 第二章 社区发现算法概述 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 传统社区发现算法的概述和发展 | 第17-20页 |
| 2.3 基于张量分解技术的社区发现 | 第20-25页 |
| 2.3.1 张量的概念 | 第20页 |
| 2.3.2 张量的基础运算 | 第20-22页 |
| 2.3.3 张量分解技术 | 第22-25页 |
| 2.3.3.1 低秩逼近 | 第24-25页 |
| 2.4 评测指标 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于微博内容和张量联合分解的社区发现算法 | 第27-42页 |
| 3.1 引言 | 第27页 |
| 3.2 算法思想和设计 | 第27-29页 |
| 3.3 微博内容分析 | 第29-31页 |
| 3.4 元图模型设计 | 第31-33页 |
| 3.5 张量联合分解 | 第33-38页 |
| 3.6 多关系权重分配机制 | 第38-39页 |
| 3.7 计算最小有效社区数 | 第39-40页 |
| 3.8 算法的代码实现及分析 | 第40-41页 |
| 3.9 本章小结 | 第41-42页 |
| 第四章 社区演化分析 | 第42-49页 |
| 4.1 引言 | 第42页 |
| 4.2 社区演化问题 | 第42-43页 |
| 4.3 社区演化发现机制 | 第43-46页 |
| 4.4 社区演化分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 微博数据获取系统实现 | 第49-62页 |
| 5.1 引言 | 第49页 |
| 5.2 系统的体系结构设计 | 第49-51页 |
| 5.3 爬取策略设计模块 | 第51-53页 |
| 5.4 数据库访问扩展模块 | 第53页 |
| 5.5 参数配置模块 | 第53-54页 |
| 5.6 数据库模块 | 第54-56页 |
| 5.7 数据爬取及预处理 | 第56-61页 |
| 5.7.1 系统运行环境 | 第56页 |
| 5.7.2 数据集介绍 | 第56-58页 |
| 5.7.3 数据预处理 | 第58-61页 |
| 5.8 本章小结 | 第61-62页 |
| 第六章 实验设计及结果分析 | 第62-78页 |
| 6.1 引言 | 第62页 |
| 6.2 实验设置 | 第62-64页 |
| 6.3 评测指标 | 第64-65页 |
| 6.4 W-MF框架发现社区 | 第65-66页 |
| 6.5 实验结果分析 | 第66-77页 |
| 6.5.1 社区的可视化和组成分析 | 第66-69页 |
| 6.5.2 主题数导致的社区变化 | 第69-72页 |
| 6.5.3 社区数导致的社区变化 | 第72页 |
| 6.5.4 改进算法与基准算法性能对比 | 第72-73页 |
| 6.5.5 社区的演化和分析 | 第73-77页 |
| 6.6 本章小结 | 第77-78页 |
| 第七章 全文总结与展望 | 第78-80页 |
| 7.1 工作总结 | 第78页 |
| 7.2 研究展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 攻读硕士学位期间取得的成果 | 第84-85页 |
