| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 在线用户迁移研究现状 | 第11-12页 |
| 1.2.2 多社交网络的重叠用户发现问题研究现状 | 第12-13页 |
| 1.2.3 社区群组发展研究现状 | 第13-14页 |
| 1.2.4 研究现状总结 | 第14页 |
| 1.3 研究目标与研究内容 | 第14-15页 |
| 1.3.1 研究目标 | 第14-15页 |
| 1.3.2 研究内容 | 第15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第二章 相关背景知识 | 第17-21页 |
| 2.1 多社交网络的重叠用户 | 第17-19页 |
| 2.1.1 多社交网络重叠用户概述 | 第17页 |
| 2.1.2 多社交网络重叠用户模型 | 第17-18页 |
| 2.1.3 多社交网络重叠用户发现方法 | 第18-19页 |
| 2.1.4 多社交网络重叠用户发现的应用 | 第19页 |
| 2.2 多社交网络重叠用户迁移 | 第19-20页 |
| 2.2.1 多社交网络重叠用户迁移概述 | 第19-20页 |
| 2.2.2 多社交网络重叠用户迁移发现的应用价值 | 第20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 数据获取与预处理 | 第21-28页 |
| 3.1 数据集获取 | 第21-25页 |
| 3.2 数据预处理 | 第25页 |
| 3.3 数据分析 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 多社交网络重叠用户发现 | 第28-37页 |
| 4.1 微博信息提取 | 第28-29页 |
| 4.2 基于用户主页信息的重叠用户发现 | 第29-32页 |
| 4.2.1 基于对称匹配的重叠用户发现 | 第29-31页 |
| 4.2.2 基于非对称匹配的重叠用户发现 | 第31-32页 |
| 4.3 基于用户行为的重叠用户发现 | 第32-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第五章 重叠用户迁移趋势分析与预测 | 第37-58页 |
| 5.1 重叠用户迁移定义 | 第37-38页 |
| 5.2 重叠用户行为向量化 | 第38-39页 |
| 5.3 重叠用户行为状态 | 第39-45页 |
| 5.3.1 用户行为状态的理想情况 | 第39-41页 |
| 5.3.2 用户行为状态的非理想情况及处理 | 第41-42页 |
| 5.3.3 用户行为状态划分 | 第42-45页 |
| 5.4 基于马尔科夫链和非负矩阵分解的重叠用户迁移趋势分析与预测 | 第45-57页 |
| 5.4.1 马尔可夫链 | 第45-46页 |
| 5.4.2 非负矩阵分解 | 第46-49页 |
| 5.4.3 基于马尔可夫链的重叠用户迁移趋势分析 | 第49-52页 |
| 5.4.4 基于马尔可夫链的重叠用户迁移预测模型(GMOM模型) | 第52-53页 |
| 5.4.5 基于主题的马尔可夫链重叠用户迁移预测模型(TMM模型) | 第53-55页 |
| 5.4.6 基于微博信息增强的TMM模型(WITMM模型) | 第55-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 实验分析与结果分析 | 第58-66页 |
| 6.1 评价指标与实验设计 | 第58-60页 |
| 6.1.1 评价指标 | 第58-59页 |
| 6.1.2 实验设计 | 第59-60页 |
| 6.2 重叠用户迁移预测评估 | 第60-65页 |
| 6.2.1 TMM模型的主题状态转移矩阵计算结果分析 | 第60-62页 |
| 6.2.2 重叠用户迁移预测结果分析 | 第62-65页 |
| 6.2.3 实验结果总结 | 第65页 |
| 6.3 本章小结 | 第65-66页 |
| 第七章 原型系统设计与实现 | 第66-70页 |
| 7.1 系统开发环境 | 第66页 |
| 7.2 系统架构 | 第66-67页 |
| 7.3 原型系统实现 | 第67-69页 |
| 7.4 本章小结 | 第69-70页 |
| 第八章 总结与展望 | 第70-72页 |
| 8.1 研究工作总结 | 第70-71页 |
| 8.2 研究工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 作者简介 | 第77-78页 |
| 附录 | 第78-82页 |
