| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究工作的背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 信息推荐 | 第12-13页 |
| 1.2.2 复杂网络及其信息骨架 | 第13-14页 |
| 1.3 本论文的主要贡献与创新 | 第14-15页 |
| 1.4 本论文的结构安排 | 第15-17页 |
| 第二章 相关技术基础 | 第17-28页 |
| 2.1 网络骨架抽取技术 | 第17-20页 |
| 2.1.1 单模网络骨架抽取 | 第17-19页 |
| 2.1.2 推荐网络骨架抽取 | 第19-20页 |
| 2.2 推荐系统技术基础 | 第20-27页 |
| 2.2.1 推荐系统基本概念 | 第20页 |
| 2.2.2 常见的推荐算法 | 第20-24页 |
| 2.2.3 常见的评价指标 | 第24-26页 |
| 2.2.4 常见的推荐网络拓扑结构特征 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于节点重要性的推荐网络骨架抽取研究 | 第28-36页 |
| 3.1 问题的提出与相关工作 | 第28-29页 |
| 3.2 推荐网络中用户的重要性定义方法 | 第29-30页 |
| 3.3 实验设计 | 第30-33页 |
| 3.3.1 数据集选取 | 第30-31页 |
| 3.3.2 评价指标 | 第31页 |
| 3.3.3 实验方法及过程 | 第31-33页 |
| 3.4 实验结果分析 | 第33-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 基于连边相关性的推荐网络骨架抽取研究 | 第36-55页 |
| 4.1 问题的提出与相关工作 | 第36-37页 |
| 4.2 基于连边相关性的推荐网络骨架抽取算法 | 第37-41页 |
| 4.2.1 推荐网络信息骨架的定义 | 第37-38页 |
| 4.2.2 对比算法 | 第38-39页 |
| 4.2.3 基于相似性子图的骨架抽取算法 | 第39-41页 |
| 4.3 实验设计 | 第41-43页 |
| 4.3.1 数据集选取 | 第41页 |
| 4.3.2 评价指标 | 第41-42页 |
| 4.3.3 实验方法及过程 | 第42-43页 |
| 4.4 实验结果分析 | 第43-54页 |
| 4.4.1 信息骨架保持的推荐准确性和多样性 | 第43-47页 |
| 4.4.2 不同的相似邻居个数对基于相似性子图算法的影响 | 第47-48页 |
| 4.4.3 推荐网络信息骨架的结构分析 | 第48-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 基于介数中心性的推荐网络骨架抽取研究 | 第55-69页 |
| 5.1 问题的提出与相关工作 | 第55-57页 |
| 5.2 基于介数中心性的骨架抽取算法 | 第57-59页 |
| 5.2.1 基于节点和连边介数中心性的算法 | 第57页 |
| 5.2.2 基于介数中心性与时间信息混合的算法 | 第57-59页 |
| 5.3 实验设计 | 第59-61页 |
| 5.3.1 数据集选取 | 第59-60页 |
| 5.3.2 评价指标 | 第60页 |
| 5.3.3 实验方法及过程 | 第60-61页 |
| 5.4 实验结果分析 | 第61-68页 |
| 5.4.1 基于介数中心性算法的准确性和多样性 | 第61-65页 |
| 5.4.2 基于介数中心性与时间信息混合算法的准确性和多样性 | 第65-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |