微博网络中可重叠用户社区发现方法研究
摘要 | 第8-9页 |
Abstract | 第9-10页 |
1 绪论 | 第11-16页 |
1.1 研究背景与意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-13页 |
1.3 研究内容及创新 | 第13-14页 |
1.4 论文组织结构 | 第14-16页 |
2 相关理论及技术 | 第16-23页 |
2.1 标签扩充 | 第16-19页 |
2.1.1 标签共现关系与权重设定 | 第17-18页 |
2.1.2 标签扩充 | 第18-19页 |
2.2 信息论相关理论 | 第19-20页 |
2.3 复杂网络与社区划分 | 第20-22页 |
2.3.1 复杂网络 | 第20-21页 |
2.3.2 社区划分 | 第21-22页 |
2.4 本章小结 | 第22-23页 |
3 基于平均划分距离和结构关系的可重叠社区发现 | 第23-31页 |
3.1 核心标签划分 | 第23-26页 |
3.1.1 信息增益用作属性选择产生的划分问题 | 第23-24页 |
3.1.2 归一化距离 | 第24-25页 |
3.1.3 平均划分距离 | 第25-26页 |
3.2 用户结构关系 | 第26-28页 |
3.2.1 基于关注关系和节点度的结构相似度 | 第27-28页 |
3.2.2 结构相异度 | 第28页 |
3.3 社区综合划分 | 第28-30页 |
3.4 本章小结 | 第30-31页 |
4 实验结果与性能分析 | 第31-39页 |
4.1 实验设置 | 第31页 |
4.2 评价指标 | 第31-33页 |
4.2.1 有向网络的社区模块度 | 第31-32页 |
4.2.2 社区链接密度与传导率 | 第32-33页 |
4.3 实验结果与分析 | 第33-36页 |
4.3.1 调节因子α的取值 | 第33-34页 |
4.3.2 控制重叠度的阈值β的取值 | 第34-35页 |
4.3.3 算法对已有标签数量敏感程度 | 第35-36页 |
4.4 不同算法之间的效率比较 | 第36-38页 |
4.5 本章小结 | 第38-39页 |
5 总结与展望 | 第39-40页 |
5.1 总结 | 第39页 |
5.2 展望 | 第39-40页 |
6 参考文献 | 第40-43页 |
7 攻读硕士学位期间发表的论文 | 第43-44页 |
7.1 已录用的学术论文 | 第43页 |
7.2 参与的基金项目 | 第43-44页 |
致谢 | 第44页 |