| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景和意义 | 第15-17页 |
| 1.2 课题引出 | 第17-19页 |
| 1.3 论文的研究内容 | 第19-20页 |
| 1.4 论文的组织结构 | 第20-22页 |
| 第二章 复杂网络的链接预测 | 第22-36页 |
| 2.1 单分网络的链接预测 | 第22-26页 |
| 2.1.1 问题的描述 | 第22-23页 |
| 2.1.2 基于节点的相似性指标 | 第23-24页 |
| 2.1.3 基于路径的相似性指标 | 第24-25页 |
| 2.1.4 基于随机游走的相似性指标 | 第25-26页 |
| 2.2 二分网络的链接预测 | 第26-27页 |
| 2.2.1 问题的描述 | 第26-27页 |
| 2.2.2 核函数的方法 | 第27页 |
| 2.2.3 内部边的方法 | 第27页 |
| 2.3 链接预测的应用 | 第27-31页 |
| 2.3.1 基于协同过滤的推荐 | 第28-29页 |
| 2.3.2 基于内容的推荐 | 第29-30页 |
| 2.3.3 基于资源分配的推荐 | 第30-31页 |
| 2.4 链接预测和推荐的评价指标 | 第31-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 基于蚁群算法的网络链接预测 | 第36-48页 |
| 3.1 相关背景介绍 | 第36-38页 |
| 3.1.1 蚁群算法的原理 | 第36-37页 |
| 3.1.2 蚁群算法的应用 | 第37-38页 |
| 3.2 蚁群网络链接预测模型 | 第38-40页 |
| 3.3 算法的基本思想与框架 | 第40-42页 |
| 3.3.1 参数初始化 | 第40-41页 |
| 3.3.2 蚁群选择路径的概率公式 | 第41页 |
| 3.3.3 计算各个解的适应度值 | 第41页 |
| 3.3.4 信息素的更新 | 第41-42页 |
| 3.3.5 迭代停止条件 | 第42页 |
| 3.3.6 输出顶点对之间的得分矩阵 | 第42页 |
| 3.4 实验结果与分析 | 第42-46页 |
| 3.4.1 节点不带属性的网络数据集 | 第42-44页 |
| 3.4.2 节点带属性的网络数据集 | 第44-46页 |
| 3.4.3 算法复杂度分析 | 第46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于网络顶点相似度查询的链接预测 | 第48-67页 |
| 4.1 相关背景介绍 | 第48-49页 |
| 4.2 顶点相关子图的设计 | 第49-51页 |
| 4.3 顶点链接预测查询算法 | 第51-53页 |
| 4.4 在整个网络中的链接预测 | 第53-54页 |
| 4.5 相似度的误差估计 | 第54-56页 |
| 4.6 实验结果与分析 | 第56-66页 |
| 4.6.1 单分网络数据集的实验结果与分析 | 第56-61页 |
| 4.6.2 二分网络数据集的实验结果与分析 | 第61-65页 |
| 4.6.3 时间复杂度分析 | 第65-66页 |
| 4.7 本章小结 | 第66-67页 |
| 第五章 基于非负矩阵分解的网络链接预测 | 第67-88页 |
| 5.1 相关背景介绍 | 第67-68页 |
| 5.2 非负矩阵分解与链接预测 | 第68-69页 |
| 5.3 非负矩阵迭代更新规则 | 第69-74页 |
| 5.3.1 迭代更新矩阵U | 第70-71页 |
| 5.3.2 迭代更新矩阵U~((B)) | 第71-72页 |
| 5.3.3 迭代更新矩阵V | 第72-73页 |
| 5.3.4 迭代更新矩阵V~((B)) | 第73页 |
| 5.3.5 迭代更新矩阵V~* | 第73-74页 |
| 5.4 算法的基本思想与框架 | 第74-79页 |
| 5.4.1 基于非负矩阵分解的直接预测 | 第74页 |
| 5.4.2 算法的收敛性证明 | 第74-77页 |
| 5.4.3 基于最近邻用户的非负矩阵分解推荐算法 | 第77-79页 |
| 5.5 实验结果与分析 | 第79-87页 |
| 5.5.1 单分网络数据集的实验结果与分析 | 第79-83页 |
| 5.5.2 二分网络数据集的实验结果与分析 | 第83-85页 |
| 5.5.3 算法的误差和复杂度分析 | 第85-87页 |
| 5.6 本章小结 | 第87-88页 |
| 第六章 链接预测在时序网络推荐中的应用 | 第88-110页 |
| 6.1 相关背景介绍 | 第88-89页 |
| 6.2 时序信息对网络推荐结果影响的分析 | 第89-96页 |
| 6.2.1 随机划分与按时序信息划分数据集对预测结果影响的分析 | 第90-91页 |
| 6.2.2 商品度的相关性分析 | 第91-93页 |
| 6.2.3 商品年龄的相关性分析 | 第93-96页 |
| 6.3 基于时间窗口的序列比对推荐算法 | 第96-102页 |
| 6.3.1 信息核对推荐算法重要性的分析 | 第96-99页 |
| 6.3.2 算法的基本思想与框架 | 第99-102页 |
| 6.4 实验结果及分析 | 第102-109页 |
| 6.4.1 短期推荐和长期推荐对信息核提取的影响 | 第102-105页 |
| 6.4.2 不同目标用户对信息核提取的影响 | 第105-108页 |
| 6.4.3 推荐效果的比较分析 | 第108-109页 |
| 6.5 本章小结 | 第109-110页 |
| 第七章 总结与展望 | 第110-113页 |
| 7.1 研究总结 | 第110-111页 |
| 7.2 研究展望 | 第111-113页 |
| 参考文献 | 第113-125页 |
| 致谢 | 第125-126页 |
| 攻读博士学位期间发表的学术论文 | 第126页 |