基于社交网络的动态迁移行为研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 本文的创新点 | 第13页 |
| 1.4 本文组织结构 | 第13-16页 |
| 第二章 相关理论与技术 | 第16-28页 |
| 2.1 社交网络中的数据挖掘 | 第16-20页 |
| 2.1.1 社交网络的图表示及特性分析 | 第16-18页 |
| 2.1.2 社交网络中数据挖掘的流程 | 第18-20页 |
| 2.2 人口迁移理论 | 第20-23页 |
| 2.2.1 影响人口迁移的因素 | 第20-21页 |
| 2.2.2 人口迁移模型 | 第21-23页 |
| 2.3 隐马尔科夫模型 | 第23-26页 |
| 2.3.1 马尔科夫链 | 第23页 |
| 2.3.2 隐马尔科夫模型的定义 | 第23-26页 |
| 2.3.3 隐马尔科夫模型的三个经典问题 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 社交网络动态迁移行为建模 | 第28-54页 |
| 3.1 场景描述及总体框架 | 第28-33页 |
| 3.1.1 场景描述 | 第28-30页 |
| 3.1.2 研究框架 | 第30-33页 |
| 3.2 跨站点用户连接 | 第33-41页 |
| 3.2.1 基于用户名的跨站点用户连接 | 第35-38页 |
| 3.2.2 多重过滤的跨站点用户连接 | 第38-41页 |
| 3.3 跨站点动态迁移状态建模 | 第41-46页 |
| 3.3.1 用户活跃度 | 第42-43页 |
| 3.3.2 影响迁移的因素 | 第43-44页 |
| 3.3.3 跨站点迁移状态序列生成 | 第44-46页 |
| 3.4 基于聚类隐马尔科夫模型的迁移建模预测 | 第46-52页 |
| 3.4.1 用户迁移状态序列聚类 | 第47-49页 |
| 3.4.2 隐马尔可夫模型学习与训练 | 第49-51页 |
| 3.4.3 动态迁移预测 | 第51-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 动态迁移行为的仿真与分析 | 第54-70页 |
| 4.1 数据集获取 | 第54-57页 |
| 4.1.1 数据获取方式 | 第54-55页 |
| 4.1.2 AB站数据的获取 | 第55-57页 |
| 4.2 AB站用户身份信息匹配 | 第57-61页 |
| 4.3 AB站用户迁移状态建模及模式分析 | 第61-65页 |
| 4.4 AB站用户迁移预测效果评估 | 第65-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第五章 总结和展望 | 第70-72页 |
| 5.1 全文工作总结 | 第70-71页 |
| 5.2 下一步工作展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 攻读学位期间取得的研究成果 | 第78页 |
