基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
近年来,社交网络发展迅速,各种社交的网络平台每天都会产生海量的用户数据。这些无序的数据中隐藏着潜在的价值,也为研究者提供了用数据挖掘中的方法来分析这些数据的机会。聚类是数据挖掘中的一个基本技术,而利用聚类方法我们能够实现LinkedIn职业网络中的数据挖掘。
推荐文章
网络入侵检测中数据挖掘技术的应用研究
网络安全
入侵检测
数据挖掘
LTE原始MR数据挖掘及在网络优化中的应用
原始MR
数据挖掘
网络优化
LTE
数据流挖掘算法在网络安全中的应用研究
数据流
网络安全
频繁模式
滑动窗口
数据挖掘在WEB中的应用
数据挖掘
KDD
WEB
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 LinkedIn职业网络中的数据挖掘应用
来源期刊 电脑知识与技术:学术交流 学科 工学
关键词 社交网络 数据挖掘 应用 聚类 LinkedIn职业网络
年,卷(期) 2016,(5) 所属期刊栏目
研究方向 页码范围 1-2
页数 2页 分类号 TP301
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 曹海洋 2 0 0.0 0.0
2 季小俊 3 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (19)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2001(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(4)
  • 参考文献(4)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
社交网络
数据挖掘
应用
聚类
LinkedIn职业网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
总被引数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导