| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 Chameleon聚类算法研究现状 | 第11-12页 |
| 1.2.2 网络社群研究现状 | 第12-13页 |
| 1.2.3 用户特征挖掘研究现状 | 第13-14页 |
| 1.3 论文研究内容和组织结构 | 第14-16页 |
| 1.3.1 论文研究内容 | 第14页 |
| 1.3.2 论文组织结构安排 | 第14-16页 |
| 第2章 相关理论概述 | 第16-28页 |
| 2.1 层次聚类相关理论概述 | 第16-19页 |
| 2.1.1 层次聚类技术概述 | 第16-17页 |
| 2.1.2 Chameleon算法的数学模型 | 第17-19页 |
| 2.2 网络社群相关理论概述 | 第19-24页 |
| 2.2.1 网络社群概念及特征 | 第19-21页 |
| 2.2.2 网络社群发展模式 | 第21-23页 |
| 2.2.3 网络社群形态及趋势 | 第23-24页 |
| 2.3 用户特征挖掘相关理论概述 | 第24-27页 |
| 2.3.1 用户基础数据理论概述 | 第24-25页 |
| 2.3.2 用户画像理论概述 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 改进的Chameleon算法及其自动聚类实现 | 第28-42页 |
| 3.1 Chameleon算法的局限 | 第28-29页 |
| 3.2 改进的Chameleon算法 | 第29-35页 |
| 3.2.1 图划分阶段的改进 | 第30-31页 |
| 3.2.2 合并阶段的改进 | 第31-33页 |
| 3.2.3 截断方法 | 第33-35页 |
| 3.3 自动聚类实现与结果分析 | 第35-39页 |
| 3.3.1 实验环境 | 第35页 |
| 3.3.2 实验数据集 | 第35-36页 |
| 3.3.3 实验结果及其分析 | 第36-39页 |
| 3.4 本章小结 | 第39-42页 |
| 第4章 用户特征画像构建及应用 | 第42-56页 |
| 4.1 聚类细分群体用户信息数据源分析 | 第42-44页 |
| 4.1.1 静态信息数据分析 | 第43页 |
| 4.1.2 动态信息数据分析 | 第43-44页 |
| 4.2 社群用户特征画像数据模型建立 | 第44-52页 |
| 4.2.1 HyperPacer的用户特征画像 | 第47-49页 |
| 4.2.2 Gapper整体用户群体画像 | 第49-52页 |
| 4.3 模型的应用建议 | 第52-54页 |
| 4.4 本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-66页 |
| 致谢 | 第66页 |