基于LDA模型与加权GN网络的科研合作推荐方法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 研究现状和存在问题 | 第10-14页 |
| 1.3 论文的结构 | 第14-16页 |
| 第2章 相关理论基础 | 第16-29页 |
| 2.1 主题模型 | 第16-19页 |
| 2.2 数据挖掘算法 | 第19-25页 |
| 2.3 学术社会网络 | 第25-26页 |
| 2.4 社区发现算法 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 LDA模型建模 | 第29-39页 |
| 3.1 PLSA模型 | 第29-30页 |
| 3.2 LDA模型 | 第30-35页 |
| 3.2.1 狄利克雷分布 | 第31页 |
| 3.2.2 LDA基本思想 | 第31-33页 |
| 3.2.3 吉布斯采样 | 第33-35页 |
| 3.3 作者兴趣模块 | 第35-38页 |
| 3.3.1 构建作者兴趣模型 | 第35页 |
| 3.3.2 主题数K的确定 | 第35-36页 |
| 3.3.3 超参数的取值 | 第36-37页 |
| 3.3.4 相似度计算 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 改进的加权GN算法 | 第39-52页 |
| 4.1 加权GN算法 | 第39-41页 |
| 4.1.1 边介数 | 第39-41页 |
| 4.1.2 模块度Q函数 | 第41页 |
| 4.2 快速Newman算法 | 第41-43页 |
| 4.3 加权GN算法的改进 | 第43-49页 |
| 4.3.1 权重的确定 | 第43-45页 |
| 4.3.2 模块度Q函数的优化 | 第45页 |
| 4.3.3 边介数的计算 | 第45-47页 |
| 4.3.4 算法的对比分析 | 第47-49页 |
| 4.4 合作者推荐模型 | 第49-51页 |
| 4.4.1 社区划分 | 第49-50页 |
| 4.4.2 基于LDA模型的合作推荐 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 模型实现及实验分析 | 第52-62页 |
| 5.1 实验分析与讨论 | 第52-57页 |
| 5.1.1 实验平台 | 第52页 |
| 5.1.2 数据源获取 | 第52页 |
| 5.1.3 改进GN网络社区划分 | 第52-54页 |
| 5.1.4 LDA文本聚类 | 第54-56页 |
| 5.1.5 合作者推荐 | 第56-57页 |
| 5.2 模型评价与对比 | 第57-61页 |
| 5.3 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-65页 |
