社会网络中链接预测方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第15-35页 |
| 1.1 课题背景及意义 | 第15-17页 |
| 1.2 社会网络的结构与特点 | 第17-19页 |
| 1.3 国内外研究现状 | 第19-28页 |
| 1.3.1 链接存在的预测 | 第19-22页 |
| 1.3.2 链接值的预测 | 第22-24页 |
| 1.3.3 其它与链接预测相关的研究 | 第24-26页 |
| 1.3.4 研究现状总结 | 第26-28页 |
| 1.4 本文的研究内容 | 第28-32页 |
| 1.4.1 基于链接网络的预测方法研究 | 第29-30页 |
| 1.4.2 基于多源特征和序列行为的预测方法研究 | 第30-31页 |
| 1.4.3 基于深度学习的预测方法研究 | 第31-32页 |
| 1.4.4 基于多模态学习的预测方法研究 | 第32页 |
| 1.5 本文的内容安排 | 第32-35页 |
| 第2章 基于链接网络的链接预测方法研究 | 第35-56页 |
| 2.1 引言 | 第35-36页 |
| 2.2 链接网络中的特征提取 | 第36-41页 |
| 2.2.1 链接网络的建立和存储 | 第36-37页 |
| 2.2.2 抽取节点状态特征 | 第37页 |
| 2.2.3 抽取邻居交互特征 | 第37-40页 |
| 2.2.4 特征提取算法复杂度分析 | 第40-41页 |
| 2.3 链接值的预测和特征分析方法 | 第41-42页 |
| 2.4 数据集介绍和处理 | 第42-45页 |
| 2.5 实验及分析 | 第45-52页 |
| 2.5.1 实验设置 | 第45-46页 |
| 2.5.2 链接值预测的结果和分析 | 第46-47页 |
| 2.5.3 链接网络特征的分析 | 第47-50页 |
| 2.5.4 状态特征与邻居特征比较 | 第50-52页 |
| 2.6 与常用推荐方法的比较 | 第52-54页 |
| 2.7 本章小结 | 第54-56页 |
| 第3章 基于多源特征和序列行为的链接预测方法 | 第56-82页 |
| 3.1 引言 | 第56-57页 |
| 3.2 文本情感分析的研究现状 | 第57-58页 |
| 3.3 从用户生成文本中抽取特征 | 第58-62页 |
| 3.3.1 抽取文本特征 | 第59-60页 |
| 3.3.2 抽取情感特征 | 第60-62页 |
| 3.3.3 符号说明 | 第62页 |
| 3.4 使用序列行为表示事件 | 第62-64页 |
| 3.4.1 序列行为定义 | 第62-63页 |
| 3.4.2 序列行为的特征和存储 | 第63-64页 |
| 3.5 基于多源特征的链接预测优化方法 | 第64-69页 |
| 3.5.1 优化基于用户相似度的方法 | 第64-67页 |
| 3.5.2 优化基于线性分类器的方法 | 第67-69页 |
| 3.6 基于序列行为的链接预测方法 | 第69-72页 |
| 3.6.1 递归神经网络 | 第69-71页 |
| 3.6.2 链接值和事件结果的预测方法 | 第71-72页 |
| 3.7 实验及分析 | 第72-80页 |
| 3.7.1 多源特征优化实验设置 | 第72-73页 |
| 3.7.2 基于用户相似度方法结果 | 第73-75页 |
| 3.7.3 基于线性分类器方法结果 | 第75-78页 |
| 3.7.4 序列行为实验设置 | 第78-79页 |
| 3.7.5 基于序列行为方法结果 | 第79-80页 |
| 3.8 本章小结 | 第80-82页 |
| 第4章 基于深度学习的链接预测方法研究 | 第82-106页 |
| 4.1 引言 | 第82-83页 |
| 4.2 深度学习方法的研究现状 | 第83-84页 |
| 4.3 受限玻尔兹曼机和深度置信网络 | 第84-87页 |
| 4.3.1 受限玻尔兹曼机 | 第84-86页 |
| 4.3.2 深度置信网络 | 第86-87页 |
| 4.4 链接值预测方法 | 第87-97页 |
| 4.4.1 无监督的预测方法 | 第87-89页 |
| 4.4.2 链接网络特征的表示方法 | 第89-91页 |
| 4.4.3 基于DBN的链接值预测方法 | 第91-94页 |
| 4.4.4 学习策略 | 第94-97页 |
| 4.5 实验及分析 | 第97-104页 |
| 4.5.1 实验设置 | 第98页 |
| 4.5.2 数据集间的泛化能力 | 第98-99页 |
| 4.5.3 无监督预测的结果 | 第99-101页 |
| 4.5.4 特征表示的结果 | 第101-102页 |
| 4.5.5 基于DBN预测的结果 | 第102-104页 |
| 4.6 本章小结 | 第104-106页 |
| 第5章 基于多模态学习的链接预测方法研究 | 第106-124页 |
| 5.1 引言 | 第106-107页 |
| 5.2 多模态学习的研究现状 | 第107-109页 |
| 5.3 不同功能的深度置信网络 | 第109-112页 |
| 5.3.1 分类用深度置信网络 | 第109-110页 |
| 5.3.2 重构用深度置信网络 | 第110-112页 |
| 5.4 多模态深度置信网络 | 第112-114页 |
| 5.4.1 浅层多模态深度置信网络结构 | 第112-113页 |
| 5.4.2 深层多模态深度置信网络结构 | 第113-114页 |
| 5.5 实验及分析 | 第114-123页 |
| 5.5.1 实验设置 | 第115-117页 |
| 5.5.2 链接预测任务的结果 | 第117-121页 |
| 5.5.3 用户评论生成任务的结果 | 第121-123页 |
| 5.6 本章小结 | 第123-124页 |
| 结论 | 第124-127页 |
| 参考文献 | 第127-141页 |
| 攻读博士学位期间发表的论文及其他成果 | 第141-144页 |
| 致谢 | 第144-145页 |
| 个人简历 | 第145页 |
