基于重叠用户的跨社交网络社区发现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究现状 | 第14-19页 |
| 1.2.1 基于一维网络关系的社区发现 | 第15-16页 |
| 1.2.2 基于多维网络关系的社区发现 | 第16-19页 |
| 1.2.3 研究现状总结 | 第19页 |
| 1.3 本文主要工作 | 第19-22页 |
| 1.3.1 研究对象定义 | 第19-20页 |
| 1.3.2 研究工作基本思想和难点 | 第20页 |
| 1.3.3 研究目标及研究内容 | 第20-22页 |
| 1.4 本文的组织结构 | 第22-25页 |
| 第二章 相关理论知识概述 | 第25-37页 |
| 2.1 拉格朗日乘子法与KKT条件 | 第25-27页 |
| 2.2 非负矩阵分解算法相关理论知识 | 第27-32页 |
| 2.2.1 目标优化函数 | 第29-32页 |
| 2.2.2 基于NMF的社区发现 | 第32页 |
| 2.3 文档主题模型(LDA) | 第32-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第三章 数据集介绍及网络建模 | 第37-45页 |
| 3.1 数据集介绍 | 第37-41页 |
| 3.1.1 原始数据集获取 | 第37-38页 |
| 3.1.2 原始数据集内容 | 第38-41页 |
| 3.1.3 重叠用户筛选 | 第41页 |
| 3.2 网络建模 | 第41-43页 |
| 3.2.1 单一网络建模 | 第41-42页 |
| 3.2.2 重叠用户混合网络建模 | 第42-43页 |
| 3.3 本章小结 | 第43-45页 |
| 第四章 跨社交网络社区发现方案 | 第45-59页 |
| 4.1 重叠用户混合网络子团划分算法 | 第45-55页 |
| 4.1.1 重叠用户邻接矩阵构建 | 第45-46页 |
| 4.1.2 优化目标及参数求解 | 第46-52页 |
| 4.1.3 算法实现及收敛性证明 | 第52-55页 |
| 4.2 单一社交网络关系边重构 | 第55-56页 |
| 4.3 基于重叠用户子团的社区发现算法 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 实验设计及结果分析 | 第59-77页 |
| 5.1 实验环境 | 第59页 |
| 5.2 实验设计 | 第59-62页 |
| 5.2.1 实验数据集 | 第59-60页 |
| 5.2.2 评价指标 | 第60-61页 |
| 5.2.3 值初始范围选择 | 第61-62页 |
| 5.3 实验结果及对比 | 第62-76页 |
| 5.3.1 实验结果及分析 | 第62-74页 |
| 5.3.2 对比算法及分析 | 第74-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第六章 原型系统设计与实现 | 第77-87页 |
| 6.1 原型系统设计 | 第77-79页 |
| 6.1.1 系统架构 | 第77-78页 |
| 6.1.2 模块划分 | 第78-79页 |
| 6.2 开发环境 | 第79页 |
| 6.3 原型系统实现 | 第79-85页 |
| 6.3.1 支撑技术 | 第79-80页 |
| 6.3.2 实现细节 | 第80-83页 |
| 6.3.3 系统展示 | 第83-85页 |
| 6.4 本章小结 | 第85-87页 |
| 第七章 总结与展望 | 第87-89页 |
| 7.1 工作总结 | 第87-88页 |
| 7.2 研究展望 | 第88-89页 |
| 致谢 | 第89-91页 |
| 参考文献 | 第91-95页 |
| 作者简介 | 第95页 |
