社交网络中基于现实世界证据的半自动化朋友推荐机制的研究与实现
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及课题意义 | 第8-9页 |
| 1.2 研究现状与分析 | 第9-11页 |
| 1.2.1 社交网络中人际关系的研究现状 | 第9页 |
| 1.2.2 现实世界中人际关系的研究现状 | 第9-10页 |
| 1.2.3 社交网络自动化朋友推荐的研究现状 | 第10-11页 |
| 1.3 研究内容与组织结构 | 第11-12页 |
| 1.3.1 论文研究内容 | 第11页 |
| 1.3.2 论文组织结构 | 第11-12页 |
| 2 社交网络朋友推荐的相关理论和技术介绍 | 第12-22页 |
| 2.1 微博数据采集技术介绍 | 第12-13页 |
| 2.2 自动化朋友推荐机制及算法介绍 | 第13-19页 |
| 2.2.1 基于用户信息的推荐 | 第13-14页 |
| 2.2.2 基于拓扑结构的推荐 | 第14-15页 |
| 2.2.3 基于地理位置的推荐 | 第15-16页 |
| 2.2.4 相似性度量算法 | 第16-19页 |
| 2.3 社交网络概述 | 第19-21页 |
| 2.3.1 新浪微博简介 | 第19-20页 |
| 2.3.2 新浪云平台简介 | 第20页 |
| 2.3.3 新浪微博相关API简介 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 社交网络半自动化朋友推荐机制的研究 | 第22-46页 |
| 3.1 引言 | 第22页 |
| 3.2 整体平台及技术分析架构 | 第22-23页 |
| 3.3 潜在联系人获取 | 第23-37页 |
| 3.3.1 数据的获取与存储 | 第23-25页 |
| 3.3.2 微博用户节点分析 | 第25-26页 |
| 3.3.3 好友相似度算法分析及改进 | 第26-34页 |
| 3.3.4 好友过滤算法的研究 | 第34-37页 |
| 3.4 证据管理 | 第37-41页 |
| 3.5 半自动化朋友推荐 | 第41-44页 |
| 3.6 朋友推荐结果分析 | 第44-45页 |
| 3.7 本章小结 | 第45-46页 |
| 4 半自动化朋友推荐系统的实现 | 第46-57页 |
| 4.1 需求及性能分析 | 第46-48页 |
| 4.1.1 系统的需求分析 | 第46-48页 |
| 4.1.2 系统的性能分析 | 第48页 |
| 4.2 系统的相关测试 | 第48-56页 |
| 4.2.1 测试数据的介绍 | 第48-51页 |
| 4.2.2“潜在联系人获取”测试 | 第51-53页 |
| 4.2.3“手工指定”测试 | 第53页 |
| 4.2.4“提供证据”测试 | 第53页 |
| 4.2.5“根据证据查询”测试 | 第53-55页 |
| 4.2.6“展现关系”测试 | 第55-56页 |
| 4.3 本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 全文总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
