基于旅游信息的网络社区划分
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 引言 | 第9页 |
| 1.2 研究背景与目的 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 研究内容及意义 | 第11-13页 |
| 1.4.1 研究内容 | 第11-12页 |
| 1.4.2 研究意义 | 第12-13页 |
| 1.5 论文结构及章节安排 | 第13-15页 |
| 第2章 社会网络概述及文本复杂网络研究 | 第15-23页 |
| 2.1 社会网络概述 | 第15-17页 |
| 2.1.1 定义与符号表示 | 第15-16页 |
| 2.1.2 社会网络分析 | 第16页 |
| 2.1.3 研究方法 | 第16-17页 |
| 2.2 网络社区 | 第17-19页 |
| 2.2.1 小世界网络 | 第18页 |
| 2.2.2 小社区稳定性 | 第18-19页 |
| 2.2.3 社区成员中心性 | 第19页 |
| 2.3 典型复杂网络介绍与研究 | 第19-20页 |
| 2.4 文本复杂网络研究及关键技术 | 第20-21页 |
| 2.4.1 文本复杂网络社区架构 | 第20-21页 |
| 2.4.2 文本分类概念及过程 | 第21页 |
| 2.5 本章小结 | 第21-23页 |
| 第3章 基于SimHash的短文本聚类算法 | 第23-39页 |
| 3.1 已有的短文本聚类算法 | 第23-26页 |
| 3.1.1 划分文本聚类 | 第23-24页 |
| 3.1.2 层次文本聚类 | 第24页 |
| 3.1.3 网格文本聚类 | 第24-25页 |
| 3.1.4 模型文本聚类 | 第25页 |
| 3.1.5 后缀树(STC)文本聚类 | 第25-26页 |
| 3.2 SimHash算法设计与分析 | 第26-32页 |
| 3.3 基于SimHash的短文本聚类算法 | 第32-35页 |
| 3.3.1 算法分析 | 第32页 |
| 3.3.2 算法流程 | 第32-34页 |
| 3.3.3 文本聚类评估 | 第34-35页 |
| 3.4 实验环境及结果分析 | 第35-38页 |
| 3.4.1 实验环境及数据集 | 第35-37页 |
| 3.4.2 实验结果分析 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于旅游信息的网络社区划分研究 | 第39-55页 |
| 4.1 网络社区划分算法 | 第39-42页 |
| 4.1.1 K-L算法 | 第39页 |
| 4.1.2 层次算法 | 第39-41页 |
| 4.1.3 G-N算法 | 第41-42页 |
| 4.2 网络社区划分评价标准 | 第42-46页 |
| 4.2.1 模块度评价标准 | 第42-43页 |
| 4.2.2 有效直径 | 第43页 |
| 4.2.3 社区密度 | 第43-44页 |
| 4.2.4 社区划分算法相关定义 | 第44页 |
| 4.2.5 基于活跃用户的相似性算法 | 第44-45页 |
| 4.2.6 参数设定 | 第45-46页 |
| 4.3 实验环境及结果分析 | 第46-49页 |
| 4.3.1 实验环境及数据集 | 第47-49页 |
| 4.3.2 实验结果分析 | 第49页 |
| 4.4 算法并行化处理 | 第49-52页 |
| 4.4.1 实验设计 | 第49-51页 |
| 4.4.2 实验环境及结果分析 | 第51-52页 |
| 4.5 本章小节 | 第52-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 论文工作总结 | 第55-56页 |
| 5.2 今后工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读硕士学位期间的科研成果 | 第63页 |
