基于聚类分析的网络社区领先用户发现研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-19页 |
| ·背景与意义 | 第13-14页 |
| ·研究背景 | 第13页 |
| ·研究意义 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·研究内容与结构安排 | 第17-19页 |
| 第二章 相关理论 | 第19-30页 |
| ·领先用户 | 第19-23页 |
| ·用户创新 | 第19-20页 |
| ·领先用户法 | 第20-21页 |
| ·领先用户识别 | 第21-23页 |
| ·聚类分析 | 第23-26页 |
| ·聚类分析概述 | 第23-24页 |
| ·聚类分析常用方法 | 第24-26页 |
| ·多属性决策 | 第26-30页 |
| ·多属性决策概述 | 第26页 |
| ·多属性决策常用方法 | 第26-30页 |
| 第三章 网络社区领先用户特征分析 | 第30-36页 |
| ·基于创新能力的领先用户内涵分析 | 第30-31页 |
| ·领域技能 | 第30-31页 |
| ·创新技能 | 第31页 |
| ·创新动机 | 第31页 |
| ·领先用户特征演变研究 | 第31-33页 |
| ·网络社区领先用户特征 | 第33-36页 |
| ·需求领先程度 | 第34页 |
| ·专业知识水平 | 第34页 |
| ·标签好评程度 | 第34页 |
| ·网络连接强度 | 第34-36页 |
| 第四章 基于聚类分析的领先用户发现方法 | 第36-47页 |
| ·领先用户发现流程设计 | 第36页 |
| ·属性矩阵构建及属性值预处理 | 第36-39页 |
| ·属性矩阵构建 | 第36-37页 |
| ·属性值预处理 | 第37-39页 |
| ·基于 K 均值聚类的用户群划分 | 第39-40页 |
| ·K 均值算法简介及算法步骤 | 第39页 |
| ·用户群划分 | 第39-40页 |
| ·属性权重确定 | 第40-43页 |
| ·用户领先趋势计算 | 第43-44页 |
| ·实验研究 | 第44-47页 |
| 第五章 原型系统实现 | 第47-52页 |
| ·背景和目的 | 第47页 |
| ·系统技术架构及开发环境 | 第47-49页 |
| ·系统功能模块设计 | 第49-50页 |
| ·系统实现 | 第50-52页 |
| 第六章 结论和展望 | 第52-54页 |
| ·结论 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文和参加的科研项目 | 第58-59页 |
