| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题的研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 传统个性化推荐算法 | 第10-11页 |
| 1.2.2 社交网络上的好友推荐 | 第11-12页 |
| 1.2.3 关系强度预测 | 第12-13页 |
| 1.2.4 推荐中的社会网络分析技术 | 第13-15页 |
| 1.3 课题研究内容 | 第15-16页 |
| 1.4 论文内容组织结构 | 第16-17页 |
| 第2章 弱关系推荐定义 | 第17-24页 |
| 2.1 弱关系的界定 | 第17-19页 |
| 2.2 弱关系推荐的定义 | 第19-20页 |
| 2.3 弱关系推荐的评价 | 第20-21页 |
| 2.4 使用的数据集 | 第21-24页 |
| 2.4.1 包含真实社区划分结果的数据集 | 第21-22页 |
| 2.4.2 论文合作者数据集 | 第22页 |
| 2.4.3 腾讯微博数据集 | 第22-24页 |
| 第3章 基于传统推荐算法的弱关系推荐 | 第24-34页 |
| 3.1 引言 | 第24页 |
| 3.2 对比算法简介 | 第24-30页 |
| 3.2.1 基于邻居节点的算法 | 第24-25页 |
| 3.2.2 基于随机游走的算法 | 第25-26页 |
| 3.2.3 双向协同过滤算法 | 第26-28页 |
| 3.2.4 基于社区的算法 | 第28-29页 |
| 3.2.5 对比算法汇总 | 第29-30页 |
| 3.3 对比实验 | 第30-33页 |
| 3.3.1 实验设置 | 第30-31页 |
| 3.3.2 实验结果与分析 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 结合社区划分与META-PATH的弱关系推荐 | 第34-52页 |
| 4.1 引言 | 第34页 |
| 4.2 研究者合作数据集分析 | 第34-41页 |
| 4.2.1 数据集收集 | 第34-36页 |
| 4.2.2 网络结构特征分析 | 第36-41页 |
| 4.3 相关工作 | 第41-43页 |
| 4.3.1 Meta-Path方法 | 第41-42页 |
| 4.3.2 基于拓扑势能的社区发现算法 | 第42-43页 |
| 4.4 结合社区划分的META-PATH方法 | 第43-47页 |
| 4.5 实验 | 第47-50页 |
| 4.5.1 实验设置 | 第47页 |
| 4.5.2 实验结果与分析 | 第47-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第5章 利用弱关系推荐改善推荐的多样性 | 第52-59页 |
| 5.1 引言 | 第52页 |
| 5.2 相关工作 | 第52-54页 |
| 5.3 算法介绍 | 第54-57页 |
| 5.3.1 基于特征的矩阵分解 | 第54-55页 |
| 5.3.2 结合社区的Meta-Path算法 | 第55-56页 |
| 5.3.3 混合策略 | 第56-57页 |
| 5.4 实验 | 第57-58页 |
| 5.4.1 实验设置 | 第57页 |
| 5.4.2 实验结果 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-67页 |
| 致谢 | 第67页 |