探索算法基于Web挖掘SNS服务模型
最后更新时间:2024-04-05
作者:用户投稿本站原创
点赞:6152
浏览:21526
论文导读:
摘要:SNS (Social Network Site),即社交网站。近几年,网络上掀起了一股社交网站的风潮,由于国内社交网站进展较晚,是借鉴外国Facebook的方式进展起来的,所从在进展的同时也带来了很多不足,如同质化现象严重、用户流失、产品功能单一等,人人网是国内进展较早、较具代表性的社交网站,由此本论文将选取人人网为例来进行探讨。Web结构挖掘是Web挖掘技术里的一个重要方面,它是一种链接分析技术,目前这种技术在数据挖掘领域具有举足轻重的意义。常用的Web链接分析算法有PageRank算法和HITS算法,本论文将对两种算法进行分析并比较两种算法的异同,选取PageRank算法作为本论文探讨的算法基础,且针对PageRank算法中的某个问题提出一种适用于本论文探讨的改善算法——In-PageRank算法。在改善的算法中将会考虑链接与链接之间的权重联系,而不再是简单的将权重平分,使得结果更具说服力。最后将通过实验对两种算法进行比较,证明改善的In-PageRank算法相比传统的PageRank算法更具说服力和准确性。针对目前社交网站有着的同质化现象严重等不足,本论文尝试构建SNS网站服务模型。首先将利用In-PageRank算法计算人人网中主要页面的PR值,按PR值的大小进行分类排序,选取PR值较大的页面所提供的服务作为一级服务平台的内容,PR值较小的页面所提供的服务作为二级服务平台的内容,基于分级服务的思想构建服务模型,同时在服务模型中加入个性化信息平台,从便为用户提供个性化服务来增多用户黏性,提升用户活跃度。关键词:SNS论文人人网论文PageRank算法模型论文
本论文由www.7ctime.com,需要可从关系人员哦。摘要5-6
ABSTRACT6-7
目录7-9
第1章 绪论9-14
3.
5.
第6章 总结与展望63-65
致谢69
摘要:SNS (Social Network Site),即社交网站。近几年,网络上掀起了一股社交网站的风潮,由于国内社交网站进展较晚,是借鉴外国Facebook的方式进展起来的,所从在进展的同时也带来了很多不足,如同质化现象严重、用户流失、产品功能单一等,人人网是国内进展较早、较具代表性的社交网站,由此本论文将选取人人网为例来进行探讨。Web结构挖掘是Web挖掘技术里的一个重要方面,它是一种链接分析技术,目前这种技术在数据挖掘领域具有举足轻重的意义。常用的Web链接分析算法有PageRank算法和HITS算法,本论文将对两种算法进行分析并比较两种算法的异同,选取PageRank算法作为本论文探讨的算法基础,且针对PageRank算法中的某个问题提出一种适用于本论文探讨的改善算法——In-PageRank算法。在改善的算法中将会考虑链接与链接之间的权重联系,而不再是简单的将权重平分,使得结果更具说服力。最后将通过实验对两种算法进行比较,证明改善的In-PageRank算法相比传统的PageRank算法更具说服力和准确性。针对目前社交网站有着的同质化现象严重等不足,本论文尝试构建SNS网站服务模型。首先将利用In-PageRank算法计算人人网中主要页面的PR值,按PR值的大小进行分类排序,选取PR值较大的页面所提供的服务作为一级服务平台的内容,PR值较小的页面所提供的服务作为二级服务平台的内容,基于分级服务的思想构建服务模型,同时在服务模型中加入个性化信息平台,从便为用户提供个性化服务来增多用户黏性,提升用户活跃度。关键词:SNS论文人人网论文PageRank算法模型论文
本论文由www.7ctime.com,需要可从关系人员哦。摘要5-6
ABSTRACT6-7
目录7-9
第1章 绪论9-14
1.1 课题的探讨背景9-11
1.2 课题的探讨目的及作用11
1.3 国内外相关探讨概况11-13
1.4 论文的章节安排13-14
第2章 SNS介绍和人人网相关服务14-252.1 SNS的有关概念14-19
2.1.1 SNS的定义14
2.1.2 SNS的论述基础14-16
2.1.3 SNS网站的特征及核心要素16-17
2.1.4 SNS的主要功能17-19
2.1.5 SNS的进展19
2.2 人人网介绍19-202.3 人人网的服务20-22
2.4 人人网所面对的不足22-24
2.5 本章小结24-25
第3章 Web挖掘技术25-483.1 Web挖掘技术极为分类25-30
3.1.1 Web内容挖掘(Web Content Mining)27-28
3.1.2 Web结构挖掘(Web Structure Mining)28
3.1.3 Web利用挖掘(Web Usage Mining)28-29
3.1.4 三种Web挖掘技术的对比29-30
3.2 Web挖掘的主要运用30-313.
2.1 Web挖掘在搜索引擎中的运用30
3.2.2 Web挖掘在电子商务中的运用30-31
3.2.3 Web挖掘在知识服务中的运用31
3.3 HITS算法31-353.1 HITS算法的概念和基本思想31-33
3.2 HITS算法的步骤33-35
3.4 PageRank算法35-41
3.4.1 PageRank算法的概念和核心思想35-36
3.4.2 PageRank算法剖析36-40
3.4.3 HITS算法和PageRank算法的对比40-41
3.5 改善的PageRank算法41-47
3.5.1 改善的算法剖析41-44
3.5.2 传统PageRank算法与In-PageRank算法的对比44-47
3.6 本章小结47-48
第4章 SNS网站服务模型的构建48-564.1 计算PR值48-50
4.2 服务模型的构建50-54
4.2.1 服务模型的基本构成要素50-51
4.2.2 SNS架构模型51-53
4.2.3 SNS网站服务模型53-54
4.3 服务模型的各平台分析54-554.4 本章小结55-56
第5章 SNS网站服务模型的实现56-635.1 服务技术56-60
5.1.1 RSS技术56-57
5论文导读:.1.2动态网页技术57-585.1.3智能技术58-595.1.4Wiki59-605.2网络实现60-625.2.1逻辑层次615.2.2物理网络61-625.3本章小结62-63第6章总结与展望63-656.1工作总结63-642工作展望64-65参考文献65-69致谢69上一页12
.1.2 动态网页技术57-58
5.1.3 智能技术58-59
5.1.4 Wiki59-60
5.2 网络实现60-625.
2.1 逻辑层次61
5.2.2 物理网络61-62
5.3 本章小结62-63第6章 总结与展望63-65
6.1 工作总结63-64
6.2 工作展望64-65
参考文献65-69致谢69