社交网络中媒体数据处理关键技术研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 在线社交网络概述 | 第13-19页 |
| 1.2 国内外研究现状 | 第19-20页 |
| 1.3 课题研究的意义 | 第20-21页 |
| 1.4 主要研究内容 | 第21-22页 |
| 1.5 论文结构安排 | 第22-25页 |
| 第二章K-Means聚类中心初始化研究 | 第25-42页 |
| 2.1 K-Means聚类方法 | 第25-26页 |
| 2.2 相关技术 | 第26-28页 |
| 2.3 K-Means中心初始化方法 | 第28-36页 |
| 2.3.1 动机分析 | 第28-32页 |
| 2.3.2 基于映射的K-Means中心初始化 | 第32-35页 |
| 2.3.3 基于矩的K-Means中心初始化 | 第35-36页 |
| 2.4 实验 | 第36-40页 |
| 2.5 小结 | 第40-42页 |
| 第三章 基于分层结构的音乐自动分类 | 第42-56页 |
| 3.1 音乐分类概述 | 第42-43页 |
| 3.2 相关技术 | 第43-46页 |
| 3.3 分层音乐分类 | 第46-49页 |
| 3.3.1 模型动机 | 第46-47页 |
| 3.3.2 分层结构 | 第47-48页 |
| 3.3.3 特征抽取 | 第48-49页 |
| 3.4 实验 | 第49-54页 |
| 3.5 小结 | 第54-56页 |
| 第四章 基于内容的音乐相似度计算 | 第56-69页 |
| 4.1 音乐推荐方法 | 第56-57页 |
| 4.2 相关技术 | 第57-58页 |
| 4.3 内容相似度计算 | 第58-62页 |
| 4.3.1 模型动机 | 第58-59页 |
| 4.3.2 特征抽取 | 第59-61页 |
| 4.3.3 相似度计算 | 第61-62页 |
| 4.4 实验 | 第62-67页 |
| 4.5 小结 | 第67-69页 |
| 第五章 社交网络中影响力计算模型 | 第69-86页 |
| 5.1 社交网络中影响力 | 第69-71页 |
| 5.2 影响力分析 | 第71-73页 |
| 5.3 影响力计算模型 | 第73-80页 |
| 5.3.1 模型动机 | 第73-77页 |
| 5.3.2 全局影响力 | 第77-78页 |
| 5.3.3 局部影响力 | 第78-79页 |
| 5.3.4 影响力模型 | 第79-80页 |
| 5.4 实验 | 第80-85页 |
| 5.5 小结 | 第85-86页 |
| 第六章 社交网络中信任度计算模型 | 第86-101页 |
| 6.1 社交网络中信任 | 第86-90页 |
| 6.2 信任度分析 | 第90-91页 |
| 6.3 信任度计算模型 | 第91-96页 |
| 6.3.1 模型动机 | 第91-93页 |
| 6.3.2 交往信任 | 第93-95页 |
| 6.3.3 荣誉信任 | 第95页 |
| 6.3.4 信任度计算 | 第95-96页 |
| 6.4 实验 | 第96-99页 |
| 6.5 小结 | 第99-101页 |
| 结束语 | 第101-104页 |
| 参考文献 | 第104-111页 |
| 发表文章 | 第111-113页 |
| 致谢 | 第113页 |
