面向社交网络的链接预测算法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第2章 社交网络链接预测 | 第15-23页 |
| 2.1 社交网络 | 第15-17页 |
| 2.1.1 社交网络数据表示 | 第15-16页 |
| 2.1.2 社交网络结构特性 | 第16-17页 |
| 2.2 链接预测算法概述 | 第17-22页 |
| 2.2.1 引言 | 第17-18页 |
| 2.2.2 基于相似度的链接预测 | 第18-21页 |
| 2.2.3 基于监督学习的链接预测 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 社交网络链接预测算法研究 | 第23-38页 |
| 3.1 引言 | 第23-24页 |
| 3.2 基于关联关系的节点中心性评价算法 | 第24-32页 |
| 3.2.1 节点中心性简介 | 第24-25页 |
| 3.2.2 算法思想和相关概念 | 第25-27页 |
| 3.2.3 LRC算法 | 第27-32页 |
| 3.3 基于改进相似度的链接预测算法 | 第32-34页 |
| 3.3.1 基于中心性和弱连接的链接预测算法 | 第32-33页 |
| 3.3.2 基于关联强度的链接预测算法 | 第33-34页 |
| 3.4 基于节点间多特征的链接预测 | 第34-37页 |
| 3.4.1 基于拓扑结构的特征提取 | 第35页 |
| 3.4.2 基于领域信息的特征提取 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 实验和分析 | 第38-52页 |
| 4.1 实验环境 | 第38页 |
| 4.2 LRC算法实验及分析 | 第38-40页 |
| 4.3 基于改进相似度的链接预测算法实验 | 第40-46页 |
| 4.3.1 实验设置 | 第40-42页 |
| 4.3.2 实验验证及分析 | 第42-46页 |
| 4.4 基于节点间多特征的链接预测算法实验 | 第46-51页 |
| 4.4.1 实验设置 | 第46-48页 |
| 4.4.2 实验验证及分析 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 本文总结 | 第52-53页 |
| 5.2 未来展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 作者简介及在学期间所取得的科研成果 | 第59-60页 |
| 致谢 | 第60页 |
