| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究的内容 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 社会网络分析及应用的相关工作 | 第16-24页 |
| 2.1 社会网络相关性质 | 第16-17页 |
| 2.1.1 平均路径长度 | 第16页 |
| 2.1.2 聚集系数 | 第16-17页 |
| 2.2 相关评价指标 | 第17-18页 |
| 2.2.1 准确度 | 第17-18页 |
| 2.2.2 查全率 | 第18页 |
| 2.3 链接预测相关算法 | 第18-19页 |
| 2.3.1 RA指标（Resource Allocation）） | 第19页 |
| 2.3.2 局部路径性指标（Local Path） | 第19页 |
| 2.3.3 平均通勤时间（Average Commute Time） | 第19页 |
| 2.4 推荐系统相关介绍 | 第19-20页 |
| 2.5 随机游走模型相关应用 | 第20-23页 |
| 2.5.1 带监督的随机游走算法在链接预测上的应用 | 第20-21页 |
| 2.5.2 基于上下文随机游走的推荐框架 | 第21-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 基于随机游走的链接预测算法 | 第24-32页 |
| 3.1 引言 | 第24页 |
| 3.2 基于随机游走的链接预测算法 | 第24-31页 |
| 3.2.1 相关定义 | 第24-25页 |
| 3.2.2 相关技术—LRW和RWR | 第25-26页 |
| 3.2.3 原理和方法 | 第26页 |
| 3.2.4 算法设计 | 第26-27页 |
| 3.2.5 实验结果与分析 | 第27-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第4章 基于MA-RWR的推荐算法 | 第32-43页 |
| 4.1 引言 | 第32-33页 |
| 4.2 基于MA-RWR算法的个性化推荐系统 | 第33-41页 |
| 4.2.1 相关定义 | 第33-34页 |
| 4.2.2 相关技术-LDA主题模型 | 第34-35页 |
| 4.2.3 原理和方法 | 第35-37页 |
| 4.2.4 算法设计 | 第37-38页 |
| 4.2.5 实验结果与分析 | 第38-41页 |
| 4.3 本章小结 | 第41-43页 |
| 第5章 基于偏置吸收随机游走的推荐算法 | 第43-52页 |
| 5.1 引言 | 第43页 |
| 5.2 基于偏置吸收随机游走的推荐算法 | 第43-50页 |
| 5.2.1 相关定义 | 第43-44页 |
| 5.2.2 相关技术—ARW | 第44-45页 |
| 5.2.3 原理与方法 | 第45-46页 |
| 5.2.4 实验结果与分析 | 第46-50页 |
| 5.3 本章小结 | 第50-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士期间发表的学术论文 | 第60页 |
