基于WAF的社区发现及用户推荐
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| ·网络社区的兴起及发展 | 第9页 |
| ·社区发现的研究意义 | 第9-10页 |
| ·用户推荐的研究意义 | 第10页 |
| ·本文的工作内容 | 第10-11页 |
| ·本文的组织结构 | 第11-12页 |
| 第二章 社区发现及用户推荐技术介绍 | 第12-18页 |
| ·社交网站研究概述 | 第12-13页 |
| ·社区发现研究现状 | 第13-15页 |
| ·迭代二分法 | 第13-14页 |
| ·层次聚类法 | 第14页 |
| ·G—N算法 | 第14-15页 |
| ·其他重要算法 | 第15页 |
| ·用户推荐技术介绍 | 第15-18页 |
| ·User-based协同过滤算法 | 第16页 |
| ·Item-based协同过滤算法 | 第16-17页 |
| ·其他用户推荐算法 | 第17-18页 |
| 第三章 用户社区的初步研究 | 第18-24页 |
| ·微博数据集介绍 | 第18-19页 |
| ·微博数据预处理 | 第19-22页 |
| ·HITS算法简介 | 第19-20页 |
| ·微博用户初步排序 | 第20-22页 |
| ·结果分析 | 第22-24页 |
| 第四章 基于WAF的社区发现 | 第24-43页 |
| ·WAF理论基础 | 第24页 |
| ·基于WAF的用户亲和度 | 第24-27页 |
| ·用户亲和度计算 | 第25-26页 |
| ·二阶用户亲和度 | 第26-27页 |
| ·基于WAF的社区发现 | 第27-29页 |
| ·基本思想 | 第28页 |
| ·NetDraw工具介绍 | 第28-29页 |
| ·社区发现结果 | 第29-39页 |
| ·一阶数据的“最多保留”结果 | 第30-32页 |
| ·一阶数据的“至少保留”结果 | 第32-36页 |
| ·二阶亲和度的社区发现结果 | 第36-37页 |
| ·一阶和二阶数据集的结果比较 | 第37-39页 |
| ·孤立节点的处理 | 第39-42页 |
| ·基本思路 | 第39页 |
| ·将孤立节点加入“最多保留”的结果 | 第39-41页 |
| ·将孤立节点加入“至少保留”的结果 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于WAF的用户推荐 | 第43-49页 |
| ·社交网络中的用户推荐 | 第43-44页 |
| ·基本原理 | 第44-46页 |
| ·算法框架 | 第44-45页 |
| ·参数设置 | 第45-46页 |
| ·以用户为推荐对象 | 第46-47页 |
| ·以微博为推荐对象 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结及展望 | 第49-51页 |
| ·工作总结 | 第49页 |
| ·工作展望 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间发表的学术论文目录 | 第54页 |
