| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究意义 | 第8页 |
| 1.3 课题研究现状 | 第8-11页 |
| 1.3.1 社区发现算法 | 第8-10页 |
| 1.3.2 用户推荐算法 | 第10-11页 |
| 1.4 本文主要研究内容 | 第11-12页 |
| 1.5 论文结构安排 | 第12-13页 |
| 第二章 相关原理和技术 | 第13-23页 |
| 2.1 网络的图表示 | 第13-14页 |
| 2.2 社会网络的基本特征 | 第14-15页 |
| 2.3 社区发现主要方法概述 | 第15-18页 |
| 2.3.1 基于谱分解的社区发现 | 第16页 |
| 2.3.2 基于层次聚类的社区发现 | 第16-18页 |
| 2.3.3 基于模块度优化的社区发现 | 第18页 |
| 2.4 个性化推荐技术 | 第18-22页 |
| 2.4.1 基于内容的推荐算法 | 第19-20页 |
| 2.4.2 基于协同过滤的推荐算法 | 第20-21页 |
| 2.4.3 基于关联规则的推荐算法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于相似度及信任度的关联规则微博好友推荐算法 | 第23-39页 |
| 3.1 引言 | 第23页 |
| 3.2 Apriori和改进AprioriTid算法 | 第23-26页 |
| 3.3 BHA算法 | 第26-30页 |
| 3.4 相似度及信任度计算 | 第30-32页 |
| 3.5 算法分析 | 第32-34页 |
| 3.6 实验结果与分析 | 第34-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第四章 基于重叠社区检测的微博用户推荐研究 | 第39-58页 |
| 4.1 引言 | 第39页 |
| 4.2 线图及相关理论 | 第39-40页 |
| 4.3 基于线图的微博社区发现算法 | 第40-46页 |
| 4.3.1 微博社区发现网络模型 | 第41-43页 |
| 4.3.2 CNM算法原理 | 第43-44页 |
| 4.3.3 算法分析 | 第44-46页 |
| 4.4 基于社区检测的微博用户推荐算法 | 第46-49页 |
| 4.4.1 算法分析 | 第46-49页 |
| 4.5 实验结果与分析 | 第49-57页 |
| 4.5.1 评价指标 | 第49页 |
| 4.5.2 社区发现算法对比 | 第49-53页 |
| 4.5.3 用户推荐算法对比 | 第53-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 论文总结和展望 | 第58-60页 |
| 5.1 论文总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 硕士研究生期间发表论文情况 | 第65-66页 |
| 致谢 | 第66-67页 |