首页> 中文学位 >基于高维细粒度特征的社交网络人群聚类方法研究
【6h】

基于高维细粒度特征的社交网络人群聚类方法研究

代理获取

目录

声明

1 绪论

1.1 研究背景

1.2 研究意义

1.3 研究内容

1.4 组织结构

2 研究现状

2.1 用户画像

2.2 社区发现

2.3 图嵌入表示

2.3.1 基本概念

2.3.2 图自编码器

2.3.3 异构图神经网络

2.4 本章小结

3 基于属性特征的用户群体画像模型

3.1 引言

3.2 用户群体画像模型

3.3 相关技术介绍

3.3.1 Jieba分词

3.3.2 LDA主题模型

3.3.3 特征融合

3.3.4 聚类分析

3.4 用户属性特征

3.4.1 用户基本特征

3.4.2 用户内容特征

3.4.3 用户统计特征

3.4.4 用户行为特征

3.5 实验数据集

3.6 实验与结果

3.7 本章小结

4 基于属性和网络结构特征的快速社区发现方法

4.1 引言

4.2 快速社区发现方法

4.3 对比方法介绍

4.4 实验数据集

4.5 评价标准

4.6 实验与结果

4.7 本章小结

5 基于属性、网络结构及语义特征的异构图注意力自编码器

5.1 引言

5.2 相关技术介绍

5.2.1 注意力机制

5.2.2 自编码器

5.2.3 归纳学习

5.3 异构图注意力自编码器模型

5.3.1 节点级注意力编码器

5.3.2 语义级注意力编码器

5.3.3 节点级注意力解码器

5.3.4 语义级注意力解码器

5.3.5 模型损失函数

5.4 实验数据集

5.5 节点分类实验

5.5.1 对比模型

5.5.2 评价标准

5.5.3 参数实验

5.5.4 实验结果

5.5.5 结果可视化

5.6 节点聚类实验

5.6.1 参数实验

5.6.2 实验结果

5.7 本章小结

6 用户画像展示系统

6.1 总体设计

6.2 爬虫模块

6.3 数据处理及分析模块

6.4 可视化模块

6.4.1 用户数据展示

6.4.2 用户画像展示

6.5 本章小结

7 总结与展望

7.1 工作总结

7.2 未来展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集

展开▼

著录项

  • 作者

    索晓阳;

  • 作者单位

    北京交通大学;

  • 授予单位 北京交通大学;
  • 学科 网络空间安全
  • 授予学位 硕士
  • 导师姓名 王伟;
  • 年度 2020
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 Q1-O21;
  • 关键词

  • 入库时间 2022-08-17 11:22:47

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号