基于论文合作网络的学术好友推荐策略研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-17页 |
| 1.1 本课题的研究意义 | 第8-9页 |
| 1.2 国内外相关研究 | 第9-15页 |
| 1.2.1 社交网络分析研究现状 | 第9-11页 |
| 1.2.2 链接预测研究现状 | 第11-14页 |
| 1.2.3 基于DBLP作者协作图的相关研究 | 第14-15页 |
| 1.3 本文研究内容和贡献 | 第15-16页 |
| 1.3.1 本文研究目的和主要工作 | 第15页 |
| 1.3.2 本文创新点 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 2 社交网络中的链路预测和推荐技术 | 第17-27页 |
| 2.1 社交网络的发展与瓶颈 | 第17-19页 |
| 2.1.1 社交网络的繁荣 | 第17-18页 |
| 2.1.2 社交网络的瓶颈 | 第18-19页 |
| 2.2 社交网络分析 | 第19-21页 |
| 2.2.1 社交网络基础理论 | 第19-21页 |
| 2.2.2 社交网络分析方法 | 第21页 |
| 2.3 社交网络的好友推荐技术 | 第21-27页 |
| 2.3.1 基于内容匹配的好友推荐 | 第22-23页 |
| 2.3.2 基于协同过滤的好友推荐 | 第23-24页 |
| 2.3.3 基于社交网络图的好友推荐 | 第24-26页 |
| 2.3.4 重启型随机游走算法 | 第26-27页 |
| 3 基于论文合作网络的学术好友推荐策略 | 第27-42页 |
| 3.1 合作网络抽象和问题陈述 | 第27-28页 |
| 3.1.1 合作网络抽象 | 第27-28页 |
| 3.1.2 合作网络推荐问题具化 | 第28页 |
| 3.2 DBLP数据预处理 | 第28-32页 |
| 3.2.1 DBLP数据简介 | 第28页 |
| 3.2.2 DBLP数据格式分析 | 第28-30页 |
| 3.2.3 DBLP数据处理 | 第30-32页 |
| 3.3 论文合作关系图的存储和快速获取 | 第32-35页 |
| 3.3.1 Redis数据库 | 第32-33页 |
| 3.3.2 图数据的存储与调用 | 第33-35页 |
| 3.4 基于链接重要性导向的重启型随机游走算法 | 第35-42页 |
| 3.4.1 基于链接重要性学术随机游走算法的概述 | 第35-36页 |
| 3.4.2 基于单篇论文作者顺序的链接重要性度量 | 第36-37页 |
| 3.4.3 基于合作时间的链接重要性度量 | 第37-38页 |
| 3.4.4 基于合作次数的链接重要性度量 | 第38-39页 |
| 3.4.5 学术随机游走推荐算法 | 第39-40页 |
| 3.4.6 算法的伪代码描述 | 第40-42页 |
| 4 算法实验分析及讨论 | 第42-53页 |
| 4.1 推荐算法评价体系 | 第42-43页 |
| 4.1.1 准确率 | 第42-43页 |
| 4.1.2 召回率 | 第43页 |
| 4.1.3 覆盖率 | 第43页 |
| 4.2 实验数据集 | 第43-44页 |
| 4.3 推荐算法测评效果比较 | 第44-50页 |
| 4.3.1 目标节点的度数 | 第44-46页 |
| 4.3.2 阻尼系数 | 第46-47页 |
| 4.3.3 推荐节点数 | 第47-48页 |
| 4.3.4 数据集的分区时间点 | 第48-49页 |
| 4.3.5 迭代次数 | 第49-50页 |
| 4.4 实验场景最优化实验结果 | 第50-51页 |
| 4.5 推荐效果对比扩展实验 | 第51-52页 |
| 4.6 实验总结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-61页 |
