基于用戶(hù)行為分析的子群發(fā)現(xiàn)方法研究
發(fā)布時(shí)間:2024-03-13 19:58
社會(huì)化媒體是一種新型的網(wǎng)絡(luò)媒體,主要目的便是鼓勵(lì)用戶(hù)多與其他用戶(hù)交流,增加人們之間的溝通和聯(lián)系。隨著眾多社交網(wǎng)絡(luò)的興起,越來(lái)越多的民眾被這些社會(huì)化網(wǎng)絡(luò)以一種網(wǎng)絡(luò)的形式聯(lián)系在一起,并通過(guò)使用新型媒體來(lái)進(jìn)行交流,獲得信息,實(shí)名或者匿名的分享觀(guān)點(diǎn),評(píng)價(jià)事件。這些操作會(huì)產(chǎn)生行為記錄以及用戶(hù)交互關(guān)系網(wǎng),用戶(hù)行為分析應(yīng)勢(shì)而生,主要是針對(duì)用戶(hù)間交互行為和本身特征屬性進(jìn)行分析,以發(fā)現(xiàn)其中規(guī)律來(lái)服務(wù)實(shí)際應(yīng)用。子群發(fā)現(xiàn)是一種描述性數(shù)據(jù)挖掘技術(shù),它旨在識(shí)別數(shù)據(jù)集中的子群,通過(guò)某些特定的用戶(hù)自身屬性或者用戶(hù)群之間交互形成的群體結(jié)構(gòu)等發(fā)現(xiàn)特定群體。現(xiàn)有的子群發(fā)現(xiàn)方法,有很多是基于圖結(jié)構(gòu)的方法,但未考慮節(jié)點(diǎn)間隱藏的相互影響的關(guān)系,也忽略了節(jié)點(diǎn)本身屬性重要性的影響。為了解決以上問(wèn)題,重新考慮節(jié)點(diǎn)隱含關(guān)系的影響,把用戶(hù)的交互行為關(guān)系量化并反映在圖結(jié)構(gòu)上,提出一種基于行為交互的子群發(fā)現(xiàn)(Subgroup Discovery based on Behavior Interaction)方法,簡(jiǎn)稱(chēng)SDBI。首先運(yùn)用“突出數(shù)據(jù)初分類(lèi)”的方法分析數(shù)據(jù),提取部分屬性特征進(jìn)行分析,以衡量節(jié)點(diǎn)的重要性,按照數(shù)據(jù)重要性來(lái)依次提取剩下的...
【文章頁(yè)數(shù)】:65 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 課題的研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 社交網(wǎng)絡(luò)的研究現(xiàn)狀
1.2.2 用戶(hù)行為分析的研究現(xiàn)狀
1.2.3 子群發(fā)現(xiàn)技術(shù)研究現(xiàn)狀
1.3 主要研究?jī)?nèi)容和預(yù)期研究結(jié)果
1.4 論文的組織
第2章 相關(guān)技術(shù)理論基礎(chǔ)
2.1 社交網(wǎng)絡(luò)和用戶(hù)行為分析相關(guān)理論
2.2 經(jīng)典加權(quán)方式
2.3 經(jīng)典聚類(lèi)算法簡(jiǎn)介
2.3.1 K-means算法
2.3.2 K-means++算法
2.3.3 DBSCAN算法
2.4 經(jīng)典子群發(fā)現(xiàn)算法簡(jiǎn)介
2.4.1 GN算法
2.4.2 SCAN算法
2.4.3 派系過(guò)濾算法
2.5 本章小結(jié)
第3章 基于用戶(hù)行為分析的子群發(fā)現(xiàn)算法
3.1 用戶(hù)行為分析
3.1.1 問(wèn)題定義
3.1.2 數(shù)據(jù)的特征選擇與降維
3.1.3 突出數(shù)據(jù)初分類(lèi)
3.2 子群發(fā)現(xiàn)算法研究
3.2.1 問(wèn)題定義
3.2.2 社交網(wǎng)絡(luò)子群發(fā)現(xiàn)
3.3 基于用戶(hù)行為分析的子群發(fā)現(xiàn)算法
3.4 本章小結(jié)
第4章 實(shí)驗(yàn)與結(jié)果分析
4.1 實(shí)驗(yàn)數(shù)據(jù)集和數(shù)據(jù)預(yù)處理
4.2 子群發(fā)現(xiàn)的評(píng)價(jià)標(biāo)準(zhǔn)
4.3 參數(shù)調(diào)優(yōu)
4.4 實(shí)驗(yàn)結(jié)果分析
4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果
致謝
本文編號(hào):3927495
【文章頁(yè)數(shù)】:65 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 課題的研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 社交網(wǎng)絡(luò)的研究現(xiàn)狀
1.2.2 用戶(hù)行為分析的研究現(xiàn)狀
1.2.3 子群發(fā)現(xiàn)技術(shù)研究現(xiàn)狀
1.3 主要研究?jī)?nèi)容和預(yù)期研究結(jié)果
1.4 論文的組織
第2章 相關(guān)技術(shù)理論基礎(chǔ)
2.1 社交網(wǎng)絡(luò)和用戶(hù)行為分析相關(guān)理論
2.2 經(jīng)典加權(quán)方式
2.3 經(jīng)典聚類(lèi)算法簡(jiǎn)介
2.3.1 K-means算法
2.3.2 K-means++算法
2.3.3 DBSCAN算法
2.4 經(jīng)典子群發(fā)現(xiàn)算法簡(jiǎn)介
2.4.1 GN算法
2.4.2 SCAN算法
2.4.3 派系過(guò)濾算法
2.5 本章小結(jié)
第3章 基于用戶(hù)行為分析的子群發(fā)現(xiàn)算法
3.1 用戶(hù)行為分析
3.1.1 問(wèn)題定義
3.1.2 數(shù)據(jù)的特征選擇與降維
3.1.3 突出數(shù)據(jù)初分類(lèi)
3.2 子群發(fā)現(xiàn)算法研究
3.2.1 問(wèn)題定義
3.2.2 社交網(wǎng)絡(luò)子群發(fā)現(xiàn)
3.3 基于用戶(hù)行為分析的子群發(fā)現(xiàn)算法
3.4 本章小結(jié)
第4章 實(shí)驗(yàn)與結(jié)果分析
4.1 實(shí)驗(yàn)數(shù)據(jù)集和數(shù)據(jù)預(yù)處理
4.2 子群發(fā)現(xiàn)的評(píng)價(jià)標(biāo)準(zhǔn)
4.3 參數(shù)調(diào)優(yōu)
4.4 實(shí)驗(yàn)結(jié)果分析
4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果
致謝
本文編號(hào):3927495
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/3927495.html
最近更新
教材專(zhuān)著