多源异构数据的跨域关联方法研究及应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究工作的背景与意义 | 第10-12页 |
| 1.2 国内外研究历史与现状 | 第12-15页 |
| 1.2.1 基于不同模型的用户跨域关联方法 | 第12-13页 |
| 1.2.2 基于不同用户特征的跨域关联方法 | 第13页 |
| 1.2.3 其他领域对跨域关联问题的研究 | 第13-15页 |
| 1.3 本文的主要研究内容 | 第15页 |
| 1.4 本论文的结构安排 | 第15-17页 |
| 第二章 相关理论与技术 | 第17-31页 |
| 2.1 数据挖掘 | 第17-24页 |
| 2.1.1 数据挖掘定义及过程 | 第17-18页 |
| 2.1.2 数据预处理相关方法 | 第18-19页 |
| 2.1.3 分类算法的研究 | 第19-22页 |
| 2.1.4 相似度度量方法 | 第22-24页 |
| 2.2 文本挖掘 | 第24-27页 |
| 2.2.1 文本预处理 | 第24页 |
| 2.2.2 文本表示 | 第24-25页 |
| 2.2.3 特征选择 | 第25-27页 |
| 2.3 关联挖掘 | 第27-28页 |
| 2.4 Hadoop分布式平台 | 第28-30页 |
| 2.4.1 分布式文件系统HDFS | 第28-29页 |
| 2.4.2 分布式计算框架MapReduce | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 用户建模 | 第31-47页 |
| 3.1 用户表示 | 第31页 |
| 3.2 数据描述 | 第31-34页 |
| 3.3 特征提取 | 第34-46页 |
| 3.3.1 特征体系 | 第34-36页 |
| 3.3.2 基于用户属性信息的特征提取 | 第36-43页 |
| 3.3.3 基于用户生成内容的特征提取 | 第43-44页 |
| 3.3.4 基于行为轨迹的特征提取 | 第44-45页 |
| 3.3.5 基于结构关系的特征提取 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 跨域关联建模 | 第47-64页 |
| 4.1 问题描述 | 第47-48页 |
| 4.1.1 问题定义 | 第47页 |
| 4.1.2 问题分析 | 第47-48页 |
| 4.2 用户关联模型 | 第48-56页 |
| 4.2.1 基于无监督的用户关联 | 第48-50页 |
| 4.2.2 基于有监督的用户关联 | 第50-53页 |
| 4.2.3 基于一对一匹配的用户关联 | 第53-56页 |
| 4.3 实验分析 | 第56-62页 |
| 4.3.1 数据说明 | 第56-57页 |
| 4.3.2 评价体系 | 第57页 |
| 4.3.3 实验结果及分析 | 第57-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第五章 大规模数据下的跨域关联挖掘 | 第64-75页 |
| 5.1 传统跨域关联方法面临的问题 | 第64-65页 |
| 5.2 大数据环境下跨域关联建模 | 第65-69页 |
| 5.2.1 用户标签模型 | 第65-66页 |
| 5.2.2 基于最小哈希的跨域关联模型 | 第66-68页 |
| 5.2.3 基于倒排索引的跨域关联模型 | 第68-69页 |
| 5.3 实验结果与分析 | 第69-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 全文工作总结 | 第75-76页 |
| 6.2 未来工作展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
