异质信息网络中基于标签的社区发现方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 异质信息网络研究现状 | 第12-13页 |
| 1.2.2 社区发现方法研究现状 | 第13-15页 |
| 1.3 论文主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第2章 相关理论与研究方法 | 第18-32页 |
| 2.1 信息网络与异质信息网络 | 第18-21页 |
| 2.2 典型社区发现方法 | 第21-26页 |
| 2.2.1 Kernighan-Lin算法 | 第21-22页 |
| 2.2.2 G-N算法 | 第22-23页 |
| 2.2.3 CNM快速算法 | 第23-24页 |
| 2.2.4 谱二分算法 | 第24页 |
| 2.2.5 派系过滤算法 | 第24-26页 |
| 2.3 标签传播算法与社区发现 | 第26-31页 |
| 2.3.1 经典标签传播算法LPA | 第26页 |
| 2.3.2 改进的非重叠社区发现标签传播算法 | 第26-28页 |
| 2.3.3 改进的重叠社区发现标签传播算法 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于混合相似性的标签传播社区发现方法 | 第32-48页 |
| 3.1 异质信息网络中的主题建模 | 第32-40页 |
| 3.1.1 典型主题模型 | 第32-34页 |
| 3.1.2 LDA主题建模与非语义节点的语义共享 | 第34-38页 |
| 3.1.3 混合相似性度量方法 | 第38-40页 |
| 3.2 标签传播算法的改进方式 | 第40-43页 |
| 3.2.1 基于节点语义重要性排序的更新顺序 | 第40-42页 |
| 3.2.2 基于混合相似度的标签从属系数 | 第42页 |
| 3.2.3 基于语义重要性阈值的标签更新策略 | 第42-43页 |
| 3.3 基于混合相似性的标签传播算法描述 | 第43-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第4章 实验与结果分析 | 第48-58页 |
| 4.1 实验环境 | 第48页 |
| 4.2 评价标准及实验数据集 | 第48-52页 |
| 4.2.1 社区发现评价标准 | 第48-50页 |
| 4.2.2 实验数据集 | 第50-52页 |
| 4.3 参数分析与调优 | 第52-53页 |
| 4.4 实验结果与分析 | 第53-56页 |
| 4.5 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65页 |
