首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

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

论文共58页,点击 下载论文
上一篇:基于事件社会网络中事件安排策略研究
下一篇:刑侦现勘图像特征提取算法研究