基于聚类分析的网络用户兴趣挖掘方法研究
| 作者简介 | 第1-5页 |
| 摘要 | 第5-8页 |
| ABSTRACT | 第8-13页 |
| 第一章 绪论 | 第13-32页 |
| ·课题研究背景与意义 | 第13-14页 |
| ·国内外研究现状与分析 | 第14-28页 |
| ·本文的研究内容 | 第28-30页 |
| ·本文的内容安排 | 第30-32页 |
| 第二章 网络用户兴趣挖掘模型研究 | 第32-42页 |
| ·网络用户兴趣模式描述 | 第32-34页 |
| ·基于全信息理论的信息处理模型 | 第34-36页 |
| ·网络用户兴趣挖掘概念模型 | 第36-40页 |
| ·基于聚类分析的网络用户兴趣挖掘模型 | 第40-42页 |
| 第三章 基于小世界网络模型的关键词提取方法研究 | 第42-53页 |
| ·引言 | 第42页 |
| ·小世界网络模型 | 第42-44页 |
| ·文档关键词提取的理论依据 | 第44-45页 |
| ·复合关键词提取算法 | 第45-48页 |
| ·实验分析 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 基于网络社团结构的用户兴趣聚类算法研究 | 第53-70页 |
| ·引言 | 第53-54页 |
| ·网络社团结构发现算法 | 第54-58页 |
| ·文本特征选择与表示 | 第58-59页 |
| ·词语语义相似度计算 | 第59-61页 |
| ·基于 Newman 算法的文本聚类算法 | 第61-65页 |
| ·用户兴趣生成算法 | 第65页 |
| ·实验与分析 | 第65-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 基于人工免疫网络的文本聚类算法研究 | 第70-91页 |
| ·引言 | 第70页 |
| ·免疫网络与克隆选择仿生学原理 | 第70-73页 |
| ·自适应多克隆聚类算法与实验分析 | 第73-84页 |
| ·自适应多克隆聚文本聚类算法与实验分析 | 第84-90页 |
| ·本章小结 | 第90-91页 |
| 第六章 基于后缀树和语义后缀网的聚类算法研究 | 第91-115页 |
| ·引言 | 第91-92页 |
| ·基于后缀树的聚类算法 | 第92-96页 |
| ·基于后缀树的中文文本聚类算法与实验分析 | 第96-101页 |
| ·基于语义计算的中文后缀树聚类树算法与实验分析 | 第101-105页 |
| ·基于语义后缀网的中文文本聚类算法与实验分析 | 第105-114页 |
| ·本章小结 | 第114-115页 |
| 第七章 网络用户兴趣迁移模式的挖掘研究 | 第115-139页 |
| ·引言 | 第115页 |
| ·隐马尔可夫模型 | 第115-120页 |
| ·基于隐马尔可夫模型的用户兴趣序列提取 | 第120-125页 |
| ·用户兴趣迁移模式挖掘 | 第125-132页 |
| ·实验与分析 | 第132-137页 |
| ·本章小结 | 第137-139页 |
| 总结 | 第139-143页 |
| 致谢 | 第143-145页 |
| 参考文献 | 第145-163页 |
| 攻读博士学位期间的研究成果 | 第163-165页 |
| 学术论文 | 第163-164页 |
| 参加研究的科研项目 | 第164-165页 |
