| 中文摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第11-28页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 链路预测研究现状 | 第13-24页 |
| 1.2.1 基于相似性度量的链路预测方法 | 第14-20页 |
| 1.2.2 基于噪音过滤和网络重构的链路预测方法 | 第20-21页 |
| 1.2.3 基于学习过程的链路预测方法 | 第21-23页 |
| 1.2.4 复杂类型网络的链路预测方法 | 第23-24页 |
| 1.3 本文研究内容、研究方法与创新点 | 第24-27页 |
| 1.4 本文组织安排 | 第27-28页 |
| 第二章 相关理论基础 | 第28-46页 |
| 2.1 网络的基本定义和概念 | 第28-29页 |
| 2.2 复杂网络基本拓扑性质 | 第29-34页 |
| 2.2.1 度、平均度及网络密度 | 第29-30页 |
| 2.2.2 网络连通性与路径 | 第30-31页 |
| 2.2.3 网络的直径、平均路径长度和效率 | 第31页 |
| 2.2.4 聚类系数 | 第31-32页 |
| 2.2.5 度分布与度异质性 | 第32-33页 |
| 2.2.6 度相关性与同配系数 | 第33-34页 |
| 2.3 基本网络模型 | 第34-40页 |
| 2.3.1 规则网络 | 第35-36页 |
| 2.3.2 随机网络 | 第36-37页 |
| 2.3.3 小世界网络 | 第37-38页 |
| 2.3.4 无标度网络 | 第38-40页 |
| 2.4 链路预测的基本概念 | 第40-45页 |
| 2.4.1 问题描述 | 第40-41页 |
| 2.4.2 研究方法 | 第41-42页 |
| 2.4.3 数据集划分 | 第42页 |
| 2.4.4 评价标准 | 第42-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第三章 基于局部加权路径的链路预测方法 | 第46-64页 |
| 3.1 研究背景 | 第46-47页 |
| 3.2 问题描述及相关工作 | 第47-50页 |
| 3.3 局部加权路径LWP预测模型 | 第50-54页 |
| 3.4 实验结果与分析 | 第54-63页 |
| 3.4.1 实验数据集 | 第54-55页 |
| 3.4.2 路径权重参数λ对LWP指标预测性能的影响 | 第55-58页 |
| 3.4.3 其他基准指标与LWP指标预测性能的对比分析 | 第58-60页 |
| 3.4.4 链接权重参数λ对LWP预测性能的影响 | 第60-61页 |
| 3.4.5 时间复杂度分析 | 第61-63页 |
| 3.5 本章小结与讨论 | 第63-64页 |
| 第四章 基于路径相互作用关系的链路预测方法 | 第64-82页 |
| 4.1 研究背景 | 第64-65页 |
| 4.2 问题描述及相关工作 | 第65-68页 |
| 4.3 基于路径相互作用关系的RSP预测模型 | 第68-72页 |
| 4.4 实验结果与分析 | 第72-81页 |
| 4.4.1 实验数据集 | 第72-73页 |
| 4.4.2 三阶路径权重参数λ对RSP预测性能的影响 | 第73-75页 |
| 4.4.3 其他基准指标与RSP指标预测性能的比较 | 第75-79页 |
| 4.4.4 两个路径异质性指标（RSP和LWP）的预测性能比较 | 第79-80页 |
| 4.4.5 时间复杂度分析 | 第80-81页 |
| 4.5 本章小结 | 第81-82页 |
| 第五章 基于加权网络链接耦合权重的链路预测方法 | 第82-93页 |
| 5.1 研究背景 | 第82页 |
| 5.2 问题描述及相关工作 | 第82-84页 |
| 5.3 基于链接耦合权重的含权预测模型 | 第84-85页 |
| 5.4 实验结果与分析 | 第85-91页 |
| 5.4.1 实验数据集 | 第86页 |
| 5.4.2 链接权重对预测性能的影响 | 第86-90页 |
| 5.4.3 不同预测指标的预测性能对比 | 第90-91页 |
| 5.5 本章小结 | 第91-93页 |
| 第六章 基于多层网络层间相关性的链路预测方法 | 第93-114页 |
| 6.1 研究背景 | 第93-94页 |
| 6.2 问题描述及相关工作 | 第94-96页 |
| 6.3 基于层间相关性的NSILR预测模型 | 第96-101页 |
| 6.3.1 基本定义与思路 | 第96-97页 |
| 6.3.2 基于层间相关性的预测模型框架 | 第97-98页 |
| 6.3.3 层间相关性μ~(αβ)计算方法 | 第98-101页 |
| 6.4 实验结果与分析 | 第101-110页 |
| 6.4.1 实验数据集 | 第101-103页 |
| 6.4.2 多层网络的层间相关性分析 | 第103-104页 |
| 6.4.3 整体层间信息对NSILR指标预测性能的影响 | 第104-107页 |
| 6.4.4 不同层内相似计算方法对NSILR指标的鲁棒性影响 | 第107-108页 |
| 6.4.5 层间相关性μ~(αβ)对预测性能的影响 | 第108-110页 |
| 6.5 层相关熵讨论 | 第110-112页 |
| 6.6 本章小结 | 第112-114页 |
| 第七章 总结与展望 | 第114-117页 |
| 7.1 论文总结 | 第114-115页 |
| 7.2 研究展望 | 第115-117页 |
| 参考文献 | 第117-128页 |
| 附录A | 第128-139页 |
| A.1 局部加权路径LWP指标的参数 ? 最优区间确定 | 第128-129页 |
| A.2 基于路径作用关系RSP指标的参数 ? 最优区间确定 | 第129-131页 |
| A.3 基于多层网络层相关性预测方法的相关实验结果 | 第131-139页 |
| A.3.1 其他5个多层网络的层间信息对预测性能影响的实验结果 | 第131-134页 |
| A.3.2 其他5个多层网络上NSILR指标的鲁棒性实验结果 | 第134-136页 |
| A.3.3 层间相关性对其他5个多层网络预测性能影响的实验结果 | 第136-137页 |
| A.3.4 所有7个多层网络每层的层相关熵数值 | 第137-139页 |
| 攻读博士学位期间完成的研究成果 | 第139-140页 |
| 致谢 | 第140页 |
