| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究的背景及意义 | 第8页 |
| 1.2 国内外相关领域研究现状 | 第8-10页 |
| 1.2.1 时间序列聚类研究发展分析 | 第8-9页 |
| 1.2.2 维基百科相关研究现状 | 第9-10页 |
| 1.3 本文的主要工作 | 第10-11页 |
| 1.4 论文的结构安排 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 相关知识概要 | 第13-25页 |
| 2.1 张量模型 | 第13-17页 |
| 2.1.1 张量的基本概念及公式 | 第14-15页 |
| 2.1.2 CP分解 | 第15-16页 |
| 2.1.3 Tucker分解 | 第16-17页 |
| 2.1.4 张量小结 | 第17页 |
| 2.2 时间序列的相似性度量 | 第17-20页 |
| 2.2.1 时间序列基本概念 | 第17-18页 |
| 2.2.2 欧几里德距离 | 第18-19页 |
| 2.2.3 动态时间规整 | 第19-20页 |
| 2.2.4 两种相似性度量算法的比较 | 第20页 |
| 2.3 隐马尔科夫模型 | 第20-23页 |
| 2.3.1 马尔科夫过程 | 第20页 |
| 2.3.2 隐马尔科夫模型的基本概念 | 第20-22页 |
| 2.3.3 隐马尔科夫模型的主要内容 | 第22-23页 |
| 2.3.4 隐马尔科夫模型的优缺点 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 张量模型下的维基词条数据分析 | 第25-37页 |
| 3.1 数据预处理 | 第25-30页 |
| 3.1.1 数据源描述 | 第26-28页 |
| 3.1.2 数据处理 | 第28-30页 |
| 3.1.3 构造稀疏张量 | 第30页 |
| 3.2 维基词条张量模型分解 | 第30-32页 |
| 3.2.1 稀疏张量数据库的建立 | 第30-31页 |
| 3.2.2 稀疏张量分解 | 第31-32页 |
| 3.3 基于张量分解用户行为分析 | 第32-36页 |
| 3.3.1 稀疏张量分解 | 第32页 |
| 3.3.2 张量分解结果分析 | 第32-35页 |
| 3.3.3 基于张量分解的用户行为分析 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于改进隐马尔科夫模型的用户行为分析及挖掘 | 第37-49页 |
| 4.1 基于DTW的K-medoids分段数据聚类 | 第37-43页 |
| 4.1.1 序列分段 | 第37页 |
| 4.1.2 版本分段数据相似性计算 | 第37-41页 |
| 4.1.3 基于DTW的K-medoids算法思想 | 第41-43页 |
| 4.2 混合隐马尔科夫模型 | 第43-46页 |
| 4.2.1 HMM模型的构造 | 第43-44页 |
| 4.2.2 基于序列后延概率的模型修正 | 第44-45页 |
| 4.2.3 迭代增量式模型修正 | 第45-46页 |
| 4.3 基于隐马尔科夫模型的维基词条编辑行为分析算法 | 第46-48页 |
| 4.3.1 用户群体编辑行为挖掘算法原理分析 | 第46-47页 |
| 4.3.2 算法中所涉及的函数 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 用户群体编辑行为挖掘算法实验与分析 | 第49-57页 |
| 5.1 实验准备 | 第49-50页 |
| 5.1.1 样本选取说明 | 第49页 |
| 5.1.2 实验环境描述 | 第49页 |
| 5.1.3 实验数据处理 | 第49-50页 |
| 5.2 实验运行速度分析 | 第50-51页 |
| 5.3 聚类对比实验分析 | 第51-53页 |
| 5.4 聚类实验效果分析 | 第53-56页 |
| 5.5 实验结果总结 | 第56-57页 |
| 第六章 结论与展望 | 第57-59页 |
| 6.1 结论 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 作者在读期间科研成果简介 | 第63-64页 |
| 致谢 | 第64页 |
