基于事件社会网络群组发现及推荐策略
| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究问题 | 第11-12页 |
| 1.3 主要研究内容及组织结构 | 第12-14页 |
| 第2章 相关研究分析 | 第14-21页 |
| 2.1 用户偏好获取 | 第14-16页 |
| 2.2 群组发现策略 | 第16-18页 |
| 2.3 基于EBSN的群组推荐 | 第18页 |
| 2.4 其他社会网络群组推荐 | 第18-19页 |
| 2.5 本章小结 | 第19-21页 |
| 第3章 用户偏好获取 | 第21-27页 |
| 3.1 隐式用户偏好获取模型 | 第21-23页 |
| 3.1.1 事件偏好 | 第21-22页 |
| 3.1.2 兴趣组偏好 | 第22页 |
| 3.1.3 偏好融合 | 第22-23页 |
| 3.2 用户评分模型 | 第23-26页 |
| 3.2.1 事件、用户特征 | 第23-25页 |
| 3.2.2 用户评分 | 第25-26页 |
| 3.3 本章小结 | 第26-27页 |
| 第4章 基于EBSN的群组发现方法 | 第27-41页 |
| 4.1 问题背景及算法框架 | 第27-30页 |
| 4.1.1 问题定义 | 第27-29页 |
| 4.1.2 算法框架 | 第29-30页 |
| 4.2 精确算法——基于递归的最大异构子群发现 | 第30-32页 |
| 4.3 近似算法——基于分类的剪枝算法 | 第32-36页 |
| 4.3.1 初始用户选择策略 | 第32-34页 |
| 4.3.2 用户加入策略 | 第34-35页 |
| 4.3.3 剪枝方法 | 第35-36页 |
| 4.4 实验及结果分析 | 第36-40页 |
| 4.4.1 实验设置 | 第36-37页 |
| 4.4.2 实验结果及分析 | 第37-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 基于深度学习的群组推荐算法 | 第41-51页 |
| 5.1 问题定义及算法框架 | 第41-42页 |
| 5.2 群组偏好发现 | 第42-44页 |
| 5.2.1 用户交流模型 | 第42-43页 |
| 5.2.2 基于深度学习的用户相互影响挖掘模型 | 第43-44页 |
| 5.3 群组偏好发现优化 | 第44-47页 |
| 5.3.1 基于聚类的网络结构确定 | 第44-46页 |
| 5.3.2 网络微调 | 第46-47页 |
| 5.4 实验及结果分析 | 第47-50页 |
| 5.4.1 数据集描述 | 第47页 |
| 5.4.2 参数设置 | 第47-48页 |
| 5.4.3 实验设置 | 第48页 |
| 5.4.4 实验结果及讨论 | 第48-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间研究成果 | 第56-57页 |
| 致谢 | 第57-58页 |
