基于社交网络节点特性的链路预测算法研究
| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 主要研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 社交网络链路预测算法介绍及其比较 | 第15-32页 |
| 2.1 社交网络链路预测概述 | 第15-19页 |
| 2.1.1 社交网络基本概念 | 第15-17页 |
| 2.1.2 社交网络的表示 | 第17-18页 |
| 2.1.3 社交网络基本参数 | 第18-19页 |
| 2.2 社交网络分析理论 | 第19-20页 |
| 2.2.1 六度分割理论 | 第20页 |
| 2.2.2 无标度网络 | 第20页 |
| 2.2.3 顿巴数 | 第20页 |
| 2.3 社交网络链路预测方法 | 第20-25页 |
| 2.3.1 基于局部信息的相似性指标 | 第21-23页 |
| 2.3.2 基于路径的相似性指标 | 第23-24页 |
| 2.3.3 基于随机游走的相似性指标 | 第24-25页 |
| 2.4 链路预测算法比较 | 第25-31页 |
| 2.4.1 实验数据集 | 第25-26页 |
| 2.4.2 评价指标 | 第26-27页 |
| 2.4.3 算法比较 | 第27-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于节点重要性的链路预测算法 | 第32-42页 |
| 3.1 节点中心性计算方法 | 第32-33页 |
| 3.2 基于节点重要性链路预测算法设计 | 第33-37页 |
| 3.2.1 考虑节点重要性的CN算法 | 第33-35页 |
| 3.2.2 考虑节点重要性的AA算法 | 第35页 |
| 3.2.3 考虑节点重要性的RA算法 | 第35-36页 |
| 3.2.4 算法实现 | 第36-37页 |
| 3.3 实验结果分析 | 第37-41页 |
| 3.3.1 实验数据集 | 第37-38页 |
| 3.3.2 实验结果 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于社交网络节点聚类系数的链路预测算法 | 第42-53页 |
| 4.1 相关工作综述 | 第42-43页 |
| 4.2 基于节点聚类系数的链路预测算法 | 第43-47页 |
| 4.2.1 小世界网络模型 | 第43-44页 |
| 4.2.2 CAR指标 | 第44-46页 |
| 4.2.3 基于节点聚类能力的链路预测算法 | 第46-47页 |
| 4.3 实验结果与分析 | 第47-53页 |
| 4.3.1 实验数据集 | 第47页 |
| 4.3.2 相关对比算法 | 第47-48页 |
| 4.3.3 算法实现 | 第48-49页 |
| 4.3.4 实验结果分析 | 第49-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 作者攻读硕士期间的研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |
