| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 社交网络研究现状 | 第12-13页 |
| 1.2.2 垃圾信息过滤算法研究现状 | 第13-15页 |
| 1.2.3 协同推荐过滤算法研究现状 | 第15-17页 |
| 1.2.4 社交网络协同过滤算法研究现状 | 第17页 |
| 1.3 传统垃圾信息过滤存在的不足 | 第17-18页 |
| 1.3.1 信息特征依赖 | 第18页 |
| 1.3.2 系统缺乏动态性 | 第18页 |
| 1.4 本文主要内容及组织结构 | 第18-20页 |
| 第2章 社交网络与协同过滤 | 第20-34页 |
| 2.1 社交网络简介 | 第20页 |
| 2.2 社交网络定义和结构 | 第20-24页 |
| 2.2.1 社交网络特性 | 第22-24页 |
| 2.3 社区发现 | 第24-27页 |
| 2.3.1 社区发现简介 | 第24页 |
| 2.3.2 社区发现算法 | 第24-27页 |
| 2.4 协同过滤算法框架 | 第27-28页 |
| 2.5 协同过滤算法分类 | 第28-33页 |
| 2.5.1 基于内存的协同过滤算法 | 第28-32页 |
| 2.5.2 基于模型的协同过滤算法 | 第32页 |
| 2.5.3 组合推荐算法 | 第32-33页 |
| 2.6 小结 | 第33-34页 |
| 第3章 基于社交网络的垃圾信息过滤 | 第34-46页 |
| 3.1 垃圾信息过滤一般过程 | 第34-35页 |
| 3.2 算法概述 | 第35-36页 |
| 3.3 社区划分 | 第36-43页 |
| 3.3.1 基于多目标的K-means社区发现算法 | 第36-39页 |
| 3.3.2 社区协同推荐过滤系统 | 第39-41页 |
| 3.3.3 重要性分组及动态评价反馈 | 第41-43页 |
| 3.4 全局算法 | 第43-45页 |
| 3.5 小结 | 第45-46页 |
| 第4章 实验设计及结果分析 | 第46-53页 |
| 4.1 引言 | 第46页 |
| 4.2 数据来源及说明 | 第46页 |
| 4.3 垃圾信息过滤的评价 | 第46-47页 |
| 4.4 社区发现实验 | 第47-49页 |
| 4.5 社区协同推荐垃圾信息过滤实验 | 第49-52页 |
| 4.5.1 发送信息及节点设置 | 第49页 |
| 4.5.2 实验结果 | 第49-52页 |
| 4.6 小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |