课程论文-针对社交网络用户关系的数据分析与挖掘，正文共9页，3757字。
摘要
Web 数据中包含了大量的用户浏览信息，如何有效地从其中挖掘出用户浏览兴趣模式是一个重要的研究课题。本文针对网络截获数据进行Web 挖掘，并使用社交网络分析的方法分析用户的访问兴趣。首先将Web 数据进行预处理，提取出有效反应用户兴趣的Web 数据。然后通过聚类的方式根据用户兴趣划分类别。在Newman 的基于局部搜索的快速复杂网络聚类算法FN 的基础上加入了边的权重的概念。最后依据社交网络分析中中心点的概念，用顶1点的度数和顶点的聚类系数来判别每个类别中的关键节点，使用关键节点来代表每个类别的用户兴趣特点。
关键词：计算机应用；Web挖掘；社交网络分析

目录
1 绪论 1
2 数据预处理 1
2.1 数据预处理 1
2.2 基本概念 1
2.2.1 图结构模型 1
2.2.2 社会网络分析 2
2.2.3 网络聚类算法 2
3 带权重的快速复杂网络聚类算法 3
4 实验结果与分析 3
结论 5
参考文献 6

论文大小：113.50KB
论文格式：word
论文专业：数据挖掘
论文编号：203711
论文文件预览：
共1文件夹，1个文件，文件总大小：113.50KB，打包后大小：35.25KB

• 课程论文-针对社交网络用户关系的数据分析与挖掘
• 针对社交网络用户关系的数据分析与挖掘.doc  [113.50KB]