声明
摘要
图目录
表目录
1绪论
1.1选题的背景及意义
1.1.1选题的背景
1.1.2选题的意义
1.2相关理论及研究综述
1.2.1社会标签系统概述
1.2.2标签主题识别
1.2.3用户关系分析
1.2.4研究评述
1.3研究的内容和方法
1.3.1研究内容
1.3.2研究方法
1.4技术路线和结构安排
1.4.1技术路线
1.4.2结构安排
2标签主题生成及用户重要性区分方法
2.1 问题描述及研究思路
2.1.1 问题描述
2.1.2研究思路
2.2标签主题生成
2.2.1相关定义
2.2.2标签聚类算法
2.2.3用户兴趣社群划分
2.3用户重要性的区分
2.3.1 用户关系矩阵
2.3.2用户重要度指标
2.3.3好友推荐应用算法
2.4实验及讨论
2.4.1实验数据集
2.4.2标签聚类实验
2.4.3用户相似度实验
2.4.4好友推荐实验
2.5本章小结
3结合时间因素的用户兴趣更新模型
3.1问题描述及研究思路
3.1.1问题描述
3.1.2研究思路
3.2时间加权的LDA主题模型
3.2.1时间权重确定
3.2.2带有时间权重的LDA模型
3.3标签关联的空间向量相似度模型
3.3.1基于LDA的网络主题获取
3.3.2空间向量相似度模型
3.3.3用户兴趣层次树
3.4用户兴趣的更新
3.4.1用户兴趣更新算法
3.4.2更新模型形式化表示
3.5实验及讨论
3.5.1数据采集、清洗及预处理
3.5.2 LDA网络主题抽取实验
3.5.3用户兴趣挖掘结果
3.6本章小结
4基于用户社会关系及标签主题的社群划分
4.1问题描述及研究思路
4.2基于用户社会关系的链接预测分析
4.2.1用户关注关系分析
4.2.2用户互动关系分析
4.2.3用户社会关系相似度模型
4.3基于标签主题的用户相似度计算
4.3.1用户标签相似度模型
4.3.2用户主题相似度模型
4.3.3用户标签主题相似度模型
4.4基于用户综合相似度的社群划分
4.4.1用户综合相似度模型及权重调节
4.4.2信息粒度社群划分过程
4.5实验与讨论
4.5.1数据统计及预处理
4.5.2基于用户社会关系的链接预测实验
4.5.3信息粒度社群划分实验
4.6本章小结
5社群的知识增长测度及用户选择方法
5.1问题描述及研究思路
5.1.1问题描述
5.1.2研究思路
5.2混合标签本体模式
5.3知识社群的组成及特征
5.4社群的知识增长测度方法
5.4.1社群的知识转移量
5.4.2社群的知识转移效率
5.5社群的用户选择方法
5.5.1知识转移消息形式化模型
5.5.2知识转移用户选择算法
5.6本章小结
6结论与展望
6.1结论
6.2创新点
6.3研究局限和展望
参考文献
攻读博士学位期间科研项目及科研成果
致谢
作者简介