社交网络中紧密子图发现与信息推荐算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 引言 | 第10-20页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状综述 | 第11-18页 |
| 1.2.1 社交网络影响力研究现状 | 第12-14页 |
| 1.2.2 紧密子图研究现状 | 第14页 |
| 1.2.3 基于图的挖掘算法研究现状 | 第14-16页 |
| 1.2.4 基于图的信息推荐算法研究现状 | 第16-17页 |
| 1.2.5 存在的主要问题 | 第17-18页 |
| 1.3 本文主要工作 | 第18页 |
| 1.4 本文结构安排 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第二章 相关技术 | 第20-26页 |
| 2.1 基本的PageRank算法及其改进和应用 | 第20-21页 |
| 2.2 紧密子图与稠密子图 | 第21-22页 |
| 2.3 频繁子图 | 第22-23页 |
| 2.4 连通子图 | 第23-24页 |
| 2.5 频繁子图挖掘的应用 | 第24页 |
| 2.6 基于图的信息推荐 | 第24-26页 |
| 第三章 基于社交网络影响力的紧密子图发现算法 | 第26-41页 |
| 3.1 问题引入 | 第26-27页 |
| 3.2 基于影响力的紧密子图发现 | 第27-31页 |
| 3.2.1 相似度的计算 | 第27-28页 |
| 3.2.2 影响力的传播 | 第28-30页 |
| 3.2.3 以统一的影响力为基础的紧密度测量 | 第30-31页 |
| 3.3 紧密子图发现算法 | 第31-35页 |
| 3.3.1 相似度的计算 | 第31-32页 |
| 3.3.2 影响力的计算与影响力图的生成 | 第32-33页 |
| 3.3.3 紧密子图发现 | 第33-34页 |
| 3.3.4 算法理论分析与时间复杂度分析 | 第34-35页 |
| 3.4 实验结果及分析 | 第35-39页 |
| 3.4.1 实验环境 | 第35页 |
| 3.4.2 实验数据 | 第35页 |
| 3.4.3 实验结果及分析 | 第35-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 基于反馈的信息推荐算法研究 | 第41-50页 |
| 4.1 问题引入 | 第41-42页 |
| 4.2 基于紧密子图的信息网络 | 第42页 |
| 4.3 基于反馈的模型与推荐算法研究 | 第42-47页 |
| 4.3.1 推荐衰减因子 | 第44-46页 |
| 4.3.2 对于多人的推荐 | 第46-47页 |
| 4.4 实验设计和评价标准 | 第47页 |
| 4.5 实验结果及分析 | 第47-48页 |
| 4.5.1 实验环境 | 第47页 |
| 4.5.2 实验数据 | 第47-48页 |
| 4.5.3 实验结果及分析 | 第48页 |
| 4.6 本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 本文主要工作总结 | 第50页 |
| 5.2 下阶段工作展望 | 第50-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 附录A 硕士期间发表的论文 | 第59-60页 |
| 附录B 硕士期间参与项目 | 第60页 |
