图书介绍

社会计算 用户在线行为分析与挖掘2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

社会计算 用户在线行为分析与挖掘
  • 刘红岩著 著
  • 出版社: 北京:清华大学出版社
  • ISBN:9787302356486
  • 出版时间:2014
  • 标注页数:207页
  • 文件大小:27MB
  • 文件页数:217页
  • 主题词:数据收集-技术

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]

下载说明

社会计算 用户在线行为分析与挖掘PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!

(文件页数 要大于 标注页数,上中下等多册电子书除外)

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

图书目录

第1章 绪论1

1.1 大数据分析与社会计算1

1.2 用户在线行为的分析与挖掘4

1.2.1 在线搜索行为分析5

1.2.2 在线购物行为分析6

1.2.3 在线浏览行为分析6

1.2.4 在线评论意见挖掘7

1.2.5 基于在线行为的推荐7

1.2.6 在线标注行为分析8

1.2.7 社会网络分析与挖掘9

参考文献10

第2章 在线搜索行为分析13

2.1 搜索意图挖掘13

2.1.1 问题定义15

2.1.2 单视图关系图构建16

2.1.3 跨视图关系构建17

2.1.4 多视图随机游走模型18

2.1.5 查询相似度衡量21

2.1.6 多视图随机游走模型与其他模型关系21

2.1.7 实验22

2.1.8 相关工作29

2.1.9 小结30

2.2 热点事件挖掘30

2.2.1 种子URL发现方法33

2.2.2 基于随机游走的局部扩展的事件发现方法36

2.2.3 基于马尔科夫随机场的局部扩展方法39

2.2.4 事件侦测43

2.2.5 案例分析43

2.2.6 实验分析45

2.2.7 相关工作50

2.2.8 小结51

参考文献52

第3章 在线购物行为分析56

3.1 挖掘跨网站购物模式56

3.1.1 什么是跨网站购物模式56

3.1.2 跨网站购物模式的无候选集挖掘方法58

3.1.3 挖掘其他类型的购物模式62

3.1.4 实验及案例分析64

3.1.5 相关工作70

3.2 交易行为模拟72

3.2.1 数据的层次结构73

3.2.2 人工层次数据流生成器75

3.2.3 测试79

3.2.4 结论80

参考文献81

第4章 在线浏览行为周期性分析84

4.1 周期模式相关工作84

4.2 基于方差的周期模式86

4.3 基于方差的周期模式的类型87

4.4 周期模式的发现方法89

4.4.1 贪婪分割法89

4.4.2 准遍历法91

4.5 预测事件的发生93

4.6 实验94

4.6.1 在线浏览行为数据集95

4.6.2 合成数据98

4.7 结论102

参考文献103

第5章 在线评论意见挖掘105

5.1 简介105

5.2 在线评论中特征和意见词的抽取108

5.2.1 意见词抽取109

5.2.2 意见词和特征的迭代抽取110

5.2.3 同义词的识别111

5.2.4 实验112

5.2.5 结论114

5.3 在线评论情感分析114

5.3.1 相关工作114

5.3.2 特征意见对极性判断方法116

5.3.3 实验117

5.3.4 结论118

5.4 在线评论意见挖掘系统118

参考文献121

第6章 基于在线行为的推荐124

6.1 已有推荐方法简介124

6.1.1 基于用户的协同过滤125

6.1.2 基于产品的协同过滤127

6.2 基于在线评论的推荐方法128

6.2.1 餐馆模型129

6.2.2 用户偏好模型129

6.2.3 推荐算法131

6.2.4 实验132

6.2.5 结论135

6.3 在线约会朋友推荐135

6.3.1 问题定义136

6.3.2 基本预测模型138

6.3.3 算法BehvPred141

6.3.4 实验142

6.3.5 结论145

参考文献145

第7章 在线标注行为分析148

7.1 简介148

7.2 相关工作151

7.3 基于随机游走的标签相似度度量152

7.3.1 随机游走模型152

7.3.2 基于随机游走理论衡量标签间的相似度153

7.3.3 算法分析157

7.4 基于邻居搜索的标签聚类方法158

7.4.1 聚类算法TagClus158

7.4.2 时间复杂度分析160

7.5 实验162

7.5.1 聚类结果162

7.5.2 聚类有效性分析164

7.5.3 TagClus的时间复杂度172

7.6 结论173

参考文献174

第8章 社会网络分析与挖掘177

8.1 基于链接的相似度的高效计算177

8.1.1 基于链接的相似度简介178

8.1.2 相似度的幂律分布179

8.1.3 算法183

8.1.4 实验187

8.1.5 结论191

8.2 衡量社会网络中对象间的影响概率191

8.2.1 简介191

8.2.2 相关工作193

8.2.3 衡量影响概率的线性模型193

8.2.4 基于随机游走的算法:InfRank195

8.2.5 二部图算法Bipartite InfRank197

8.2.6 星型图算法Star InfRank199

8.2.7 模型解释200

8.2.8 实验202

8.2.9 结论205

参考文献205

热门推荐