社交網(wǎng)絡(luò)大數(shù)據(jù)融合：關(guān)聯(lián)用戶挖掘

定　價(jià)：￥58.00

作　者：	周小平，梁循著
出版社：	科學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787030604170	出版時(shí)間：	2019-06-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	113	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　社交網(wǎng)絡(luò)融合為社會(huì)計(jì)算等各項(xiàng)研究提供更充分的用戶行為數(shù)據(jù)和更完整的網(wǎng)絡(luò)結(jié)構(gòu)，從而更有利于人們通過(guò)社交網(wǎng)絡(luò)認(rèn)識(shí)和理解人類社會(huì)，具有重要的理論價(jià)值和實(shí)踐意義。社交網(wǎng)絡(luò)中的關(guān)聯(lián)用戶挖掘旨在通過(guò)挖掘不同社交網(wǎng)絡(luò)中屬于同一自然人的不同賬號(hào)，從而實(shí)現(xiàn)社交網(wǎng)絡(luò)的深度融合。因此，關(guān)聯(lián)用戶挖掘是大型社交網(wǎng)絡(luò)融合的基礎(chǔ)問(wèn)題，近年來(lái)已引起人們的廣泛關(guān)注?？紤]真實(shí)世界的朋友圈極具個(gè)性化，即現(xiàn)實(shí)中沒(méi)有兩個(gè)人具有完全一致的朋友圈，同時(shí)，相同的用戶在不同的社交網(wǎng)絡(luò)中往往具有部分相同的好友關(guān)系?！渡缃痪W(wǎng)絡(luò)大數(shù)據(jù)融合-關(guān)聯(lián)用戶挖掘》基于社交網(wǎng)絡(luò)的好友關(guān)系，充分利用好友關(guān)系的穩(wěn)定性和一致性，探索關(guān)聯(lián)用戶挖掘的方法。

作者簡(jiǎn)介

暫缺《社交網(wǎng)絡(luò)大數(shù)據(jù)融合：關(guān)聯(lián)用戶挖掘》作者簡(jiǎn)介

圖書(shū)目錄

目錄
前言
第1章社交網(wǎng)絡(luò)大數(shù)據(jù)融合 1
1.1 社交網(wǎng)絡(luò)與社交網(wǎng)絡(luò)大數(shù)據(jù)融合 1
1.2 社交網(wǎng)絡(luò)大數(shù)據(jù)融合的核心問(wèn)題 3
1.3 社交網(wǎng)絡(luò)大數(shù)據(jù)融合的主要挑戰(zhàn) 4
1.4 本書(shū)主要內(nèi)容 5
第2章關(guān)聯(lián)用戶挖掘定義 7
2.1 基本術(shù)語(yǔ)定義 7
2.2 關(guān)聯(lián)用戶挖掘問(wèn)題定義 9
2.3 社交網(wǎng)絡(luò)重疊性 10
2.4 本章小結(jié) 12
第3章關(guān)聯(lián)用戶挖掘總體研究框架 13
3.1 引言 13
3.2 關(guān)聯(lián)用戶挖掘總體框架 14
3.2.1 關(guān)聯(lián)用戶特征提取 14
3.2.2 關(guān)聯(lián)用戶識(shí)別模型 16
3.3 關(guān)聯(lián)用戶挖掘研究綜述 19
3.3.1 基于用戶屬性的關(guān)聯(lián)用戶挖掘 19
3.3.2 基于用戶關(guān)系的關(guān)聯(lián)用戶挖掘 23
3.3.3 綜合用戶屬性和用戶關(guān)系的關(guān)聯(lián)用戶挖掘 28
3.4 關(guān)聯(lián)用戶識(shí)別性能評(píng)估 30
3.4.1 數(shù)據(jù)集 30
3.4.2 評(píng)價(jià)指標(biāo) 31
3.5 本章小結(jié) 31
第4章基于好友關(guān)系的半監(jiān)督關(guān)聯(lián)用戶挖掘 33
4.1 引言 33
4.2 相關(guān)工作 34
4.3 總體識(shí)別框架 36
4.3.1 基本設(shè)想 36
4.3.2 算法總體框架 37
4.4 先驗(yàn)關(guān)聯(lián)用戶集合識(shí)別模型 38
4.5 關(guān)聯(lián)用戶識(shí)別模型 39
4.5.1 方法論 39
4.5.2 算法 42
4.6 理論分析 45
4.6.1 隨機(jī)網(wǎng)絡(luò)模型理論分析 45
4.6.2 無(wú)標(biāo)度網(wǎng)絡(luò)模型理論分析 47
4.7 實(shí)驗(yàn)分析 52
4.7.1 人工數(shù)據(jù)集實(shí)驗(yàn) 53
4.7.2 真實(shí)數(shù)據(jù)集實(shí)驗(yàn) 58
4.8 在知識(shí)管理中的應(yīng)用 63
4.9 本章小結(jié) 64
第5章基于好友關(guān)系的無(wú)監(jiān)督關(guān)聯(lián)用戶挖掘 66
5.1 引言 66
5.2 相關(guān)工作 68
5.3 基本設(shè)想 69
5.4 好友特征向量模型 71
5.4.1 正例抽樣模型 72
5.4.2 好友特征向量學(xué)習(xí)模型 72
5.5 基于好友特征向量的關(guān)聯(lián)用戶識(shí)別模型 76
5.6 理論分析 78
5.7 實(shí)驗(yàn)分析 79
5.7.1 人工數(shù)據(jù)集實(shí)驗(yàn) 80
5.7.2 算法超參分析 85
5.7.3 真實(shí)數(shù)據(jù)集實(shí)驗(yàn) 88
5.8 在知識(shí)管理的應(yīng)用 92
5.9 本章小結(jié) 93
第6章綜合用戶屬性和用戶關(guān)系的關(guān)聯(lián)用戶挖掘 94
6.1 引言 94
6.2 面向關(guān)聯(lián)用戶挖掘的用戶屬性效用評(píng)價(jià)體系 95
6.3 綜合用戶屬性和用戶關(guān)系的關(guān)聯(lián)用戶挖掘模型和方法研究 96
6.3.1 屬性相似度計(jì)算模型 96
6.3.2 屬性相似度融合 97
6.3.3 用戶關(guān)系融合建模 98
6.3.4 用戶屬性和用戶關(guān)系的一致性建模 99
6.3.5 關(guān)聯(lián)用戶挖掘方法 99
6.4 關(guān)聯(lián)用戶挖掘模型的逼近近似求解和并行計(jì)算方法 100
6.4.1 逼近近似求解 100
6.4.2 并行實(shí)現(xiàn) 100
6.5 本章小結(jié) 101
第7章總結(jié)與展望 102
7.1 總結(jié) 102
7.2 展望 103
參考文獻(xiàn) 106