基于社交网络的组织成员识别及其兴趣爱好挖掘方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 社交网络用户关系研究 | 第12-13页 |
| 1.2.2 兴趣爱好研究 | 第13-15页 |
| 1.3 论文的研究内容 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第二章 有关理论和技术 | 第18-33页 |
| 2.1 社交网络 | 第18-20页 |
| 2.1.1 社交网络概述 | 第18-19页 |
| 2.1.2 Twitter | 第19-20页 |
| 2.1.3 LinkedIn | 第20页 |
| 2.2 网络爬虫技术 | 第20-22页 |
| 2.2.1 爬虫技术概述 | 第20-21页 |
| 2.2.2 网络爬虫的工作原理 | 第21-22页 |
| 2.3 非结构化数据存储 | 第22-24页 |
| 2.3.1 关系型数据库与非关系型数据库 | 第22-23页 |
| 2.3.2 MongoDB | 第23-24页 |
| 2.4 关联分析 | 第24-31页 |
| 2.4.1 关联分析概述 | 第24-26页 |
| 2.4.2 Apriori算法 | 第26-29页 |
| 2.4.3 FP-growth算法 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 社交网络组织成员识别 | 第33-53页 |
| 3.1 Twitter用户关系定义 | 第33-35页 |
| 3.2 组织成员识别方法 | 第35-38页 |
| 3.2.1 基本规则 | 第35-37页 |
| 3.2.2 识别方法 | 第37-38页 |
| 3.3 识别因子实证研究 | 第38-50页 |
| 3.3.1 实验数据 | 第38-39页 |
| 3.3.2 实证研究描述 | 第39-40页 |
| 3.3.3 实证实验 | 第40-50页 |
| 3.3.4 模型分析 | 第50页 |
| 3.4 实验结果与分析 | 第50-52页 |
| 3.4.1 实验平台 | 第50页 |
| 3.4.2 实验设置 | 第50-51页 |
| 3.4.3 数据集 | 第51页 |
| 3.4.4 实验分析 | 第51-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 组织成员兴趣爱好挖掘 | 第53-68页 |
| 4.1 社交网络兴趣爱好建模 | 第53-56页 |
| 4.1.1 兴趣爱好数采集 | 第53页 |
| 4.1.2 兴趣爱好识别与标准化 | 第53-56页 |
| 4.2 Twitter兴趣爱好分布特征 | 第56-59页 |
| 4.2.1 分布特征假设 | 第56页 |
| 4.2.2 分布特征验证 | 第56-59页 |
| 4.3 基于关联规则的兴趣爱好挖掘 | 第59-62页 |
| 4.3.1 兴趣爱好关联分析 | 第59-61页 |
| 4.3.2 挖掘方法 | 第61-62页 |
| 4.4 实验结果与分析 | 第62-67页 |
| 4.4.1 实验平台 | 第62-63页 |
| 4.4.2 实验设置 | 第63页 |
| 4.4.3 数据集 | 第63-64页 |
| 4.4.4 评价指标 | 第64页 |
| 4.4.5 实验分析 | 第64-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 基于组织成员与兴趣爱好的应用 | 第68-77页 |
| 5.1 基于海量社交网络数据的人物属性识别系统 | 第68-72页 |
| 5.1.1 项目背景 | 第68-69页 |
| 5.1.2 系统整体介绍 | 第69-71页 |
| 5.1.3 系统难点 | 第71-72页 |
| 5.2 成果应用 | 第72-75页 |
| 5.2.1 组织成员识别的应用 | 第72-74页 |
| 5.2.2 兴趣爱好挖掘的应用 | 第74-75页 |
| 5.3 本章小结 | 第75-77页 |
| 第六章 总结和展望 | 第77-80页 |
| 6.1 工作总结 | 第77-78页 |
| 6.2 未来工作展望 | 第78-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 附录 | 第87-88页 |
| 详细摘要 | 第88-90页 |
