摘要 | 第1-6页 |
ABSTRACT | 第6-8页 |
目录 | 第8-10页 |
第一章 引言 | 第10-17页 |
·选题的背景与意义 | 第10-12页 |
·问题的界定与研究现状 | 第12-15页 |
·主要工作和创新点 | 第15-16页 |
·论文的组织结构 | 第16-17页 |
第二章 网络建模与链接预测 | 第17-40页 |
·复杂网络与社会网络 | 第17-23页 |
·复杂网络及其特征 | 第17-18页 |
·社会网络及其特征 | 第18-23页 |
·网络表示方法与统计特征 | 第23-29页 |
·图及相关概念 | 第23-24页 |
·网络的矩阵描述 | 第24-26页 |
·网络的统计特征 | 第26-27页 |
·基于微博的网络统计特征实例 | 第27-29页 |
·社会网络的建模 | 第29-34页 |
·社会网络结构层次 | 第30-32页 |
·社会网络建模方法 | 第32-34页 |
·社会网络中的链接预测 | 第34页 |
·链接预测的方法 | 第34-40页 |
·基于节点相似性的方法 | 第34-36页 |
·基于路径拓扑相似性的方法 | 第36-37页 |
·基于概率模型的方法 | 第37-39页 |
·三种方法的比较 | 第39-40页 |
第三章 ERGM原理与方法实现 | 第40-73页 |
·统计数学模型的演进及ERGM的提出 | 第40-42页 |
·ERGM模型及转移概率 | 第42-49页 |
·术语定义 | 第42-43页 |
·ERGM模型 | 第43-45页 |
·ERGM简单例子SE | 第45-47页 |
·变化统计(Change Statistics)与转移概率 | 第47-49页 |
·ERGM基于不同假设的分类 | 第49-54页 |
·伯努利图:最简单的相关假设 | 第50页 |
·二元矢量模型:二元矢量独立假设 | 第50-51页 |
·马尔可夫随机图 | 第51-53页 |
·相关性结构包含节点等级 | 第53-54页 |
·更复杂的相关性假设 | 第54页 |
·新的ERGM模型网络参量 | 第54页 |
·ERGM参数估计方法与实现 | 第54-61页 |
·最大似然估计MLE | 第55页 |
·最大似然估计MLE的近似 | 第55-57页 |
·伪似然(Pseudolikelihood)估计 | 第57-58页 |
·基于MCMC的最大似然估计 | 第58-61页 |
·ERGM估计、仿真和匹配精度评估 | 第61-63页 |
·引入新的ERGM网络参量 | 第63-73页 |
·近似退化 | 第63-65页 |
·新的ERGM网络参量 | 第65-73页 |
第四章 基于ERGM的关系推荐系统 | 第73-99页 |
·为什么要使用统计数学模型研究社会网络 | 第73-74页 |
·基于ERGM的关系推荐系统 | 第74-80页 |
·为什么使用ERGM来研究社会网络? | 第74-76页 |
·ERGM如何应用于社会网络 | 第76-79页 |
·基于ERGM的链接预测算法 | 第79-80页 |
·基于链路预测的关系推荐 | 第80页 |
·ERGM开发平台及网络参量介绍 | 第80-84页 |
·ERGM开发平台 | 第80-81页 |
·ERGM网络参量介绍 | 第81-84页 |
·ERGM关系推荐实现与准确性分析 | 第84-93页 |
·科学家合作数据集 | 第84-86页 |
·缺失链接预测基本原理 | 第86-88页 |
·ERGM链接预测方法实现 | 第88-89页 |
·链接预测的评价指标 | 第89-90页 |
·ERGM预测结果与对比试验分析 | 第90-93页 |
·ERGM链接预测的时效性分析 | 第93-94页 |
·ERGM网络参量与参数的平行迁移特性 | 第94-97页 |
·分析及结论 | 第97-99页 |
第五章 微博关系推荐系统 | 第99-116页 |
·微博关系推荐的实质 | 第99-100页 |
·新浪微博数据的获取 | 第100-102页 |
·新浪微博关系推荐系统 | 第102-115页 |
·微群内的关系推荐系统 | 第102-107页 |
·微博网络中的关系推荐系统 | 第107-115页 |
·分析与结论 | 第115-116页 |
第六章 总结与展望 | 第116-119页 |
·本文工作总结 | 第116-118页 |
·下一步研究方向 | 第118-119页 |
参考文献 | 第119-124页 |
攻读博士期间发表的学术论文 | 第124-125页 |
致谢 | 第125页 |