基于位置的社交网络用户行为分析与研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·引言 | 第8页 |
| ·论文研究背景和意义 | 第8-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·课题研究内容 | 第12页 |
| ·本文的结构内容安排 | 第12-14页 |
| 2 相关技术介绍 | 第14-25页 |
| ·社交网络原理 | 第14-15页 |
| ·六度分割理论 | 第14-15页 |
| ·强弱连接 | 第15页 |
| ·贝肯数 | 第15页 |
| ·顿巴数 | 第15页 |
| ·常见的相似度计算 | 第15-19页 |
| ·向量空间模型 | 第16页 |
| ·基于Hash的模型 | 第16-19页 |
| ·传统的推荐系统模型 | 第19-21页 |
| ·基于内容的推荐 | 第19页 |
| ·协同过滤的推荐 | 第19-21页 |
| ·自然语言处理模型 | 第21-24页 |
| ·N元模型 | 第21页 |
| ·隐马尔可夫模型 | 第21-23页 |
| ·最大熵模型 | 第23页 |
| ·Pitman-Yor模型 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 基于位置的社交网络用户相似性分析 | 第25-38页 |
| ·引言 | 第25页 |
| ·位置语义分析 | 第25-28页 |
| ·基本概念 | 第25-26页 |
| ·位置重要性 | 第26页 |
| ·相似性分数 | 第26-27页 |
| ·相似性计算 | 第27-28页 |
| ·潜在特征挖掘 | 第28-33页 |
| ·基本概念与模型 | 第28-31页 |
| ·基于位置的相似性 | 第31页 |
| ·算法思想与实现 | 第31-33页 |
| ·主题模型分析 | 第33-35页 |
| ·非结构化数据 | 第33-34页 |
| ·主题模型分析 | 第34页 |
| ·主题相似性分析 | 第34-35页 |
| ·相似性融合及其推荐方法 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于位置的社交网络用户行为预测 | 第38-48页 |
| ·引言 | 第38页 |
| ·基于决策树的行为预测 | 第38-40页 |
| ·相关定义 | 第38-40页 |
| ·基于决策树算法的分析 | 第40页 |
| ·基于语言模型的行为预测 | 第40-47页 |
| ·基于PY的模型分析 | 第41-43页 |
| ·基于分层PY的模型分析 | 第43页 |
| ·多重因素融合及其实现 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 5 实验分析 | 第48-57页 |
| ·实验设计 | 第48页 |
| ·实验环境 | 第48页 |
| ·实验数据 | 第48页 |
| ·用户相似性评估实验 | 第48-54页 |
| ·评估标准 | 第49页 |
| ·用户潜在特征挖掘实验 | 第49-50页 |
| ·用户相似性融合实验 | 第50-52页 |
| ·用户Top-k位置分析实验 | 第52-54页 |
| ·行为预测实验 | 第54-56页 |
| ·评估标准 | 第54页 |
| ·行为预测实验 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63页 |
