社交网络中基于聚类分析的可信推荐系统
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 相关背景知识介绍 | 第10-14页 |
| 1.2.1 聚类算法 | 第10-12页 |
| 1.2.2 蛋白质相互作用网络 | 第12-13页 |
| 1.2.3 协同过滤算法 | 第13-14页 |
| 1.3 本文工作与文章结构 | 第14-16页 |
| 第二章 基于PPI网络的多维数据聚类及推荐模型 | 第16-30页 |
| 2.1 问题分析 | 第16页 |
| 2.2 CINM模型框架 | 第16-24页 |
| 2.2.1 数据重构模块 | 第17-20页 |
| 2.2.2 膜外聚类模块 | 第20-21页 |
| 2.2.3 膜内聚类模块 | 第21-23页 |
| 2.2.4 内容推荐模块 | 第23-24页 |
| 2.3 实验分析 | 第24-29页 |
| 2.3.1 数据预处理效率 | 第25-28页 |
| 2.3.2 CINM算法效率 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 一种社交网络中节点之间的可信机制 | 第30-43页 |
| 3.1 问题分析 | 第30-31页 |
| 3.2 移动社交网络中节点的信任机制 | 第31-34页 |
| 3.2.1 服务节点信任度算法 | 第31-33页 |
| 3.2.2 用户节点的信任度算法 | 第33-34页 |
| 3.3 移动社交网络中服务的信任机制 | 第34-37页 |
| 3.4 实验分析 | 第37-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 一种社交网络中恶意信息的处理方法 | 第43-50页 |
| 4.1 问题分析 | 第43-44页 |
| 4.2 社交网络恶意信息处理模型 | 第44-49页 |
| 4.2.1 预测节点间信息传播链路 | 第44-45页 |
| 4.2.2 搜索链路影响最大化因子 | 第45页 |
| 4.2.3 分析拓扑网络 | 第45-46页 |
| 4.2.4 减缓传播效应 | 第46页 |
| 4.2.5 监控链路上尚未传播的最大化因子 | 第46-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第五章 社交网络中可信推荐原型系统 | 第50-55页 |
| 5.1 需求分析 | 第50-51页 |
| 5.2 模块实现 | 第51-52页 |
| 5.3 原型系统展示 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-56页 |
| 6.1 本文总结 | 第55页 |
| 6.2 进一步工作 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录1 程序清单 | 第58-59页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第59-60页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第60-61页 |
| 致谢 | 第61页 |
