| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 复杂网络 | 第9-10页 |
| 1.2 网络链接预测 | 第10-11页 |
| 1.2.1 基于机器学习的链接预测 | 第10页 |
| 1.2.2 基于相似性的链接预测 | 第10-11页 |
| 1.3 本文主要工作和内容 | 第11-13页 |
| 第二章 基于社区结构的信息理论链接预测模型 | 第13-26页 |
| 2.1 链接预测 | 第13-14页 |
| 2.1.1 问题描述 | 第13页 |
| 2.1.2 精确性评价指标 | 第13-14页 |
| 2.1.3 基于相似性的链接预测指标 | 第14页 |
| 2.2 链接预测的信息理论模型 | 第14-16页 |
| 2.3 基于节点度和社区结构的邻居集信息指标 | 第16-18页 |
| 2.3.1 基于节点度的邻居集信息指标 | 第16-17页 |
| 2.3.2 基于社区结构特征的邻居集信息指标 | 第17-18页 |
| 2.4 实验 | 第18-21页 |
| 2.4.1 实验准备 | 第19页 |
| 2.4.2 结果说明 | 第19-21页 |
| 2.5 本章小结 | 第21-26页 |
| 第三章 改进的基于社区结构的朴素贝叶斯链接预测模型 | 第26-33页 |
| 3.1 朴素贝叶斯链接预测模型 | 第26-28页 |
| 3.2 改进的基于社区结构的朴素贝叶斯链接预测模型 | 第28-30页 |
| 3.3 实验 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于网络拓扑结构特征的链接预测指标选择 | 第33-39页 |
| 4.1 基于网络拓扑结构特征的变量选择 | 第33-34页 |
| 4.2 链接预测指标分类 | 第34-35页 |
| 4.3 实验 | 第35-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 结论和展望 | 第39-41页 |
| 5.1 本文主要工作 | 第39页 |
| 5.2 进一步研究的问题 | 第39-41页 |
| 参考文献 | 第41-45页 |
| 攻读硕士学位期间取得的科研成果 | 第45-46页 |
| 致谢 | 第46-47页 |