在线社交网络挖掘典型问题研究2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

在线社交网络挖掘典型问题研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 研究背景和研究意义1

1.2 学者网OSN4

1.3 主要研究内容5

1.4 本书的组织结构6

参考文献8

第2章 在线社交网络挖掘概述10

2.1 主要研究问题10

2.1.1 用户分类10

2.1.2 社区发现12

2.1.3 观点挖掘与情感分析14

2.1.4 信息传播16

2.1.5 社会化推荐18

2.1.6 可视化分析20

2.2 存在的问题和挑战25

2.3 本章小结26

参考文献27

第3章 基于随机游走模型的用户分类方法32

3.1 引言32

3.2 相关工作33

3.2.1 随机游走模型33

3.2.2 集体分类36

3.3 问题定义37

3.4 OSN用户分类方法MLCMRW38

3.4.1 方法概述38

3.4.2 引导阶段39

3.4.3 基于随机游走的分类标签迭代推断40

3.5 实验分析及评价42

3.5.1 实验数据集42

3.5.2 评价准则44

3.5.3 比较方法45

3.5.4 实验比较结果和分析46

3.6 本章小结47

参考文献48

第4章 集成链接和属性信息的社区发现方法50

4.1 引言50

4.2 相关工作52

4.2.1 NMF基本模型52

4.2.2 基于NMF的社区发现53

4.2.3 集成链接和属性信息的社区发现54

4.3 LANMF：集成链接和属性信息的社区发现方法54

4.3.1 问题描述54

4.3.2 链接矩阵和属性关联矩阵联合分解模型55

4.3.3 迭代更新规则的收敛性证明56

4.3.4 社区发现算法59

4.4 实验及应用分析61

4.4.1 实验数据集61

4.4.2 评价准则与比较方法62

4.4.3 实验对比结果分析63

4.4.4 参数取值分析65

4.4.5 应用实例67

4.5 本章小结72

参考文献72

第5章 融合社交网络信息的协同过滤推荐方法75

5.1 引言75

5.2 相关研究76

5.2.1 协同过滤推荐方法76

5.2.2 矩阵分解推荐模型78

5.3 问题定义80

5.4 融合OSN信息的协同过滤推荐方法设计82

5.4.1 基于OSN直接好友关系的推荐82

5.4.2 融合OSN信息的推荐（SocialRec）83

5.4.3 关键算法描述及复杂度分析84

5.5 实验分析及应用85

5.5.1 实验数据集及评价准则85

5.5.2 实验结果分析85

5.5.3 应用实例89

5.6 本章小结89

参考文献90

第6章 SRSH：一种基于Hadoop的社会化推荐系统92

6.1 引言92

6.2 相关工作93

6.2.1 集群计算平台Hadoop93

6.2.2 基于Hadoop的OSN挖掘应用95

6.3 系统架构96

6.4 基于MapReduce的核心算法实现97

6.4.1 二度好友推荐算法（SDFR）97

6.4.2 相似用户推荐（SUR）100

6.4.3 用户社区推荐（UCR）102

6.4.4 内容推荐（CR）105

6.5 实验结果与分析107

6.6 本章小结109

参考文献110

第7章 总结和展望112

7.1 工作总结112

7.2 研究展望113