| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| Contents | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 论文主要内容 | 第16-17页 |
| 1.4 论文组织架构 | 第17-18页 |
| 第二章 相关理论及技术原理 | 第18-28页 |
| 2.1 关联规则挖掘 | 第18-20页 |
| 2.1.1 关联规则问题形式化描述 | 第18-19页 |
| 2.1.2 相关定义 | 第19页 |
| 2.1.3 关联规则挖掘算法 | 第19-20页 |
| 2.2 频繁子图挖掘 | 第20-21页 |
| 2.2.1 频繁子图挖掘定义 | 第20页 |
| 2.2.2 频繁子图挖掘算法 | 第20-21页 |
| 2.3 概率主题模型LDA | 第21-24页 |
| 2.3.1 LDA概述 | 第21-22页 |
| 2.3.2 LDA模型 | 第22-23页 |
| 2.3.3 LDA模型训练 | 第23-24页 |
| 2.3.4 LDA模型推断 | 第24页 |
| 2.4 word2vec | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 结合主题的信息传播模式建模 | 第28-33页 |
| 3.1 问题定义 | 第28-31页 |
| 3.2 结合主题的信息传播模式建模过程 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 频繁子树挖掘算法 | 第33-55页 |
| 4.1 单标签频繁子树挖掘算法 | 第33-45页 |
| 4.1.1 问题描述以及相关定义 | 第33-36页 |
| 4.1.2 候选树的产生 | 第36-40页 |
| 4.1.3 TreeMiner算法 | 第40-45页 |
| 4.1.4 小结 | 第45页 |
| 4.2 多标签频繁子树挖掘算法MLTreeMiner | 第45-55页 |
| 4.2.1 问题描述 | 第46页 |
| 4.2.2 MLTreeMiner算法 | 第46-54页 |
| 4.2.3 小结 | 第54-55页 |
| 第五章 实验结果与分析 | 第55-68页 |
| 5.1 MLTreeMiner算法验证 | 第55-58页 |
| 5.1.1 数据集说明 | 第55-56页 |
| 5.1.2 实验过程 | 第56-58页 |
| 5.2 MLTreeMiner算法在实际中的应用 | 第58-68页 |
| 5.2.1 数据集说明 | 第59页 |
| 5.2.2 数据预处理过程 | 第59-63页 |
| 5.2.3 实验过程与结果分析 | 第63-68页 |
| 总结和展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 攻读硕士学位期间发表的学术论文 | 第76-78页 |
| 致谢 | 第78页 |