社交网络用户行为关联分析的关键技术的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题背景 | 第11-13页 |
| ·课题研究意义 | 第13-14页 |
| ·本文研究内容及创新点 | 第14-16页 |
| ·本文研究内容 | 第14-15页 |
| ·创新点 | 第15-16页 |
| ·本文组织结构 | 第16-17页 |
| 第2章 相关理论和技术 | 第17-38页 |
| ·概率论基础 | 第17-19页 |
| ·期望最大化算法 | 第19-22页 |
| ·复杂网络 | 第22-28页 |
| ·概述 | 第22-23页 |
| ·基本概念 | 第23-25页 |
| ·网络拓扑结构模型 | 第25-28页 |
| ·距离测度 | 第28-31页 |
| ·距离测度的定义 | 第28-29页 |
| ·欧氏距离 | 第29页 |
| ·Jaccard 距离 | 第29-30页 |
| ·余弦距离 | 第30-31页 |
| ·聚类算法 | 第31-35页 |
| ·概述 | 第31-32页 |
| ·k-means 算法 | 第32-33页 |
| ·层次聚类算法 | 第33-35页 |
| ·数据挖掘概述 | 第35-37页 |
| ·数据挖掘概述 | 第35页 |
| ·数据挖掘的任务 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 基于 EM 算法的主题提取算法 | 第38-50页 |
| ·相关研究工作 | 第38-40页 |
| ·基于 EM 算法的主题提取算法 | 第40-46页 |
| ·基本假设及符号定义 | 第40-41页 |
| ·基于 EM 算法的主题提取算法 | 第41-46页 |
| ·实验结果及分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于节点相似度的社团发现算法 | 第50-67页 |
| ·相关研究工作 | 第50-54页 |
| ·Kernighan-Lin 算法 | 第51页 |
| ·谱平分算法 | 第51-52页 |
| ·GN 算法 | 第52-53页 |
| ·Newman 快速算法 | 第53-54页 |
| ·基于节点相似度的社团发现算法 | 第54-62页 |
| ·节点相似度计算 | 第54-57页 |
| ·社团划分质量评价 | 第57-59页 |
| ·社团发现 | 第59-62页 |
| ·实验结果及分析 | 第62-66页 |
| ·Zachary 网络 | 第62-65页 |
| ·美国大学橄榄球联赛网络 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第5章 基于社团划分的关联规则挖掘 | 第67-79页 |
| ·关联规则挖掘 | 第67-74页 |
| ·基本概念 | 第67-69页 |
| ·相关研究工作 | 第69-71页 |
| ·Apriori 算法 | 第71-74页 |
| ·基于社团划分的关联规则挖掘 | 第74-75页 |
| ·实验结果及分析 | 第75-78页 |
| ·实验数据集及预处理 | 第75页 |
| ·实验结果及分析 | 第75-78页 |
| ·本章小结 | 第78-79页 |
| 第6章 结论与展望 | 第79-81页 |
| ·结论 | 第79-80页 |
| ·下一步研究工作 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 攻硕期间取得的研究成果 | 第87-88页 |
