多维社会网络上的信息挖掘问题研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状及分析 | 第11-15页 |
| 1.2.1 多维社会网络 | 第11-12页 |
| 1.2.2 信息挖掘 | 第12-14页 |
| 1.2.3 机器学习技术在信息挖掘研究中的应用 | 第14-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文结构安排 | 第16-17页 |
| 第二章 多维社会网络上的信息挖掘相关研究概述 | 第17-28页 |
| 2.1 多维社会网络概述 | 第17-20页 |
| 2.1.1 多维社会网络研究背景 | 第17-18页 |
| 2.1.2 多维社会网络的研究及应用意义 | 第18-20页 |
| 2.2 信息挖掘问题相关研究 | 第20-26页 |
| 2.2.1 推荐系统 | 第20-25页 |
| 2.2.1.1 基于内容的推荐系统 | 第21-22页 |
| 2.2.1.2 基于协同过滤的推荐系统 | 第22-25页 |
| 2.2.2 信息传播 | 第25-26页 |
| 2.3 多维社会网络上信息挖掘问题的挑战 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于传递相似性的多维社会网络推荐 | 第28-53页 |
| 3.1 多维社会网络推荐概述 | 第28-31页 |
| 3.2 基于传递相似性的多维社会网络推荐算法 | 第31-37页 |
| 3.2.1 相似性度量 | 第31-33页 |
| 3.2.2 基于用户的协同过滤推荐算法 | 第33-34页 |
| 3.2.3 基于传递相似性的多维社会网络推荐算法 | 第34-37页 |
| 3.3 相似性加速计算算法 | 第37-42页 |
| 3.3.1 传统相似性计算算法 | 第37-39页 |
| 3.3.2 相似性加速计算算法 | 第39-41页 |
| 3.3.3 复杂度分析 | 第41-42页 |
| 3.4 实验设计及结果分析 | 第42-51页 |
| 3.4.1 实验设计 | 第42-43页 |
| 3.4.2 评价指标 | 第43-45页 |
| 3.4.3 结果分析 | 第45-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第四章 多维社会网络上基于时间特征的信息传播预测 | 第53-72页 |
| 4.1 多维社会网络上的信息传播概述 | 第53-56页 |
| 4.2 基于时间特征的信息传播预测模型 | 第56-61页 |
| 4.2.1 基本数据统计 | 第56-57页 |
| 4.2.2 实证分析 | 第57-60页 |
| 4.2.3 预测模型设计 | 第60-61页 |
| 4.3 模型参数估计 | 第61-65页 |
| 4.3.1 最大化后验概率估计 | 第61-62页 |
| 4.3.2 梯度上升算法 | 第62-64页 |
| 4.3.3 模型参数迭代更新 | 第64-65页 |
| 4.3.4 收敛判别 | 第65页 |
| 4.4 实验设计及结果分析 | 第65-71页 |
| 4.4.1 实验设计 | 第65-66页 |
| 4.4.2 评价指标 | 第66-68页 |
| 4.4.3 结果分析 | 第68-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 工作总结 | 第72页 |
| 5.2 工作展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间取得的成果 | 第80-81页 |
