摘要 | 第3-5页 |
ABSTRACT | 第5-6页 |
第1章 绪论 | 第13-30页 |
1.1 课题的来源及背景 | 第13-14页 |
1.2 研究的目的和意义 | 第14-18页 |
1.3 研究现状及分析 | 第18-27页 |
1.3.1 用户社会关系强度 | 第18页 |
1.3.2 传统网络社区和用户社交圈对比 | 第18-19页 |
1.3.3 传统网络社区相关研究 | 第19-23页 |
1.3.4 社会媒体社交圈相关研究 | 第23-27页 |
1.4 本文的研究内容及章节安排 | 第27-30页 |
第2章 基于用户关注关系的在线社交圈识别 | 第30-51页 |
2.1 引言 | 第30-32页 |
2.2 相关工作 | 第32-33页 |
2.2.1 基于K均值聚类的社交圈识别方法 | 第32页 |
2.2.2 基于标签传播的社交圈识别方法 | 第32-33页 |
2.3 社会媒体中的用户关系网络概述 | 第33-38页 |
2.4 基于用户关系的社交圈识别 | 第38-41页 |
2.4.1 基于共同好友的用户排序 | 第38页 |
2.4.2 用户与社交圈之间的距离计算 | 第38-40页 |
2.4.3 基于在线凝聚聚类的用户社交圈识别 | 第40-41页 |
2.5 基于众包的社交圈真实数据获取方法 | 第41-44页 |
2.6 实验及分析 | 第44-50页 |
2.6.1 实验数据 | 第44-45页 |
2.6.2 实验设置 | 第45-47页 |
2.6.3 参数选取及结果分析 | 第47-50页 |
2.7 本章小结 | 第50-51页 |
第3章 基于用户多维特征的在线社交圈识别 | 第51-70页 |
3.1 引言 | 第51-53页 |
3.2 相关工作 | 第53-56页 |
3.2.1 多维用户特征在谱聚类社交圈识别中的应用 | 第53-54页 |
3.2.2 多维用户特征在生成模型社交圈识别中的应用 | 第54-56页 |
3.3 基于潜在因子联合模型的社交圈识别算法 | 第56-63页 |
3.3.1 潜在因子模型 | 第58页 |
3.3.2 观察矩阵 | 第58-60页 |
3.3.3 特征融合 | 第60-63页 |
3.3.4 用户潜向量的距离度量 | 第63页 |
3.4 实验及分析 | 第63-69页 |
3.4.1 实验数据 | 第63-65页 |
3.4.2 实验设置 | 第65-67页 |
3.4.3 结果及分析 | 第67-69页 |
3.5 本章小结 | 第69-70页 |
第4章 基于多元线性回归的用户在线社交圈标签挖掘 | 第70-86页 |
4.1 引言 | 第70-71页 |
4.2 相关工作 | 第71-73页 |
4.2.1 社交媒体中的资源标签挖掘 | 第71-72页 |
4.2.2 基于词的用户标签挖掘 | 第72-73页 |
4.3 基于多元线性回归模型的社交圈标签挖掘 | 第73-78页 |
4.3.1 基于线性回归模型的标签权重计算 | 第73-74页 |
4.3.2 特征选择 | 第74-76页 |
4.3.3 损失函数与参数优化 | 第76-78页 |
4.4 实验及分析 | 第78-85页 |
4.4.1 实验数据 | 第78-80页 |
4.4.2 实验设置 | 第80-82页 |
4.4.3 结果及分析 | 第82-85页 |
4.5 本章小结 | 第85-86页 |
第5章 基于用户在线社交圈的用户个人资料补全 | 第86-102页 |
5.1 引言 | 第86-87页 |
5.2 相关工作 | 第87-90页 |
5.2.1 基于文本特征的用户资料补全方法 | 第87-88页 |
5.2.2 基于好友资料协同的用户资料补全方法 | 第88-90页 |
5.3 基于非负矩阵分解的用户个人资料补全 | 第90-95页 |
5.3.1 非负矩阵分解 | 第90-91页 |
5.3.2 基于用户社交圈的个人资料补全 | 第91-93页 |
5.3.3 模型与优化 | 第93-95页 |
5.4 实验及分析 | 第95-101页 |
5.4.1 实验数据 | 第95-98页 |
5.4.2 实验设置 | 第98-99页 |
5.4.3 结果及分析 | 第99-101页 |
5.5 本章小结 | 第101-102页 |
结论 | 第102-105页 |
参考文献 | 第105-115页 |
攻读博士学位期间发表的论文及其他成果 | 第115-117页 |
致谢 | 第117-119页 |
个人简历 | 第119页 |