社会网络中的社区发现及协同过滤推荐技术研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-18页 |
| 1.1 论文的研究背景和意义 | 第11-12页 |
| 1.2 网络社区发现及推荐技术发展研究现状 | 第12-15页 |
| 1.2.1 复杂网络社区检测技术现状 | 第12-14页 |
| 1.2.2 推荐技术研究现状 | 第14-15页 |
| 1.3 本文的研究工作 | 第15-16页 |
| 1.4 论文的安排 | 第16页 |
| 1.5 本章小结 | 第16-18页 |
| 2 社区发现算法与协同过滤推荐技术 | 第18-24页 |
| 2.1 社区发现算法介绍 | 第18-20页 |
| 2.1.1 基于谱方法的社区发现 | 第18-19页 |
| 2.1.2 基于层次聚类的社区发现 | 第19-20页 |
| 2.1.3 基于模块度优化的社区发现 | 第20页 |
| 2.2 协同过滤推荐技术 | 第20-23页 |
| 2.2.1 基于内存的协同过滤推荐 | 第21页 |
| 2.2.2 基于模型的协同过滤推荐 | 第21-22页 |
| 2.2.3 协同过滤推荐技术现存问题 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 基于近邻关系迭代更新的社区检测 | 第24-32页 |
| 3.1 相关工作 | 第24-25页 |
| 3.2 基于近邻关系迭代更新的社区检测 | 第25-28页 |
| 3.2.1 可信近邻关系图 | 第25-26页 |
| 3.2.2 节点相似度的传递 | 第26-28页 |
| 3.3 实验结果与分析 | 第28-31页 |
| 3.3.1 实验数据集描述 | 第28-29页 |
| 3.3.2 评价指标及实验结果 | 第29页 |
| 3.3.3 算法的参数影响 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 基于异质关系间共享局部结构的社区发现 | 第32-42页 |
| 4.1 相关工作 | 第32-33页 |
| 4.2 基于共享局部结构的异构网络社区挖掘 | 第33-37页 |
| 4.2.1 共享局部信息的提取 | 第34-35页 |
| 4.2.2 基于信息增益的节点聚类 | 第35-36页 |
| 4.2.3 共享局部结构的更新 | 第36-37页 |
| 4.3 实验结果与分析 | 第37-41页 |
| 4.3.1 实验数据集及对比结果 | 第38-40页 |
| 4.3.2 收敛性分析 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 5 融合社交网络的协同过滤推荐技术 | 第42-54页 |
| 5.1 相关工作 | 第42-44页 |
| 5.1.1 矩阵分解模型 | 第42-43页 |
| 5.1.2 基于社交网络的推荐技术 | 第43-44页 |
| 5.2 融合社交网络的协同过滤推荐模型 | 第44-48页 |
| 5.2.1 模型建立 | 第44-45页 |
| 5.2.2 参数学习 | 第45-46页 |
| 5.2.3 收敛性证明 | 第46-48页 |
| 5.3 实验结果与分析 | 第48-53页 |
| 5.3.1 实验数据集与评价指标 | 第48-50页 |
| 5.3.2 实验设计及对比 | 第50-51页 |
| 5.3.3 参数分析 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 6 总结 | 第54-56页 |
| 6.1 工作总结 | 第54页 |
| 6.2 工作展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 作者简历 | 第59-61页 |
| 学位论文数据集 | 第61页 |
