基于相似性演化的动态网络链路预测算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 论文结构 | 第18-21页 |
| 第二章 链路预测相关问题描述 | 第21-37页 |
| 2.1 复杂网络与图论 | 第21-23页 |
| 2.1.1 图的分类 | 第21-22页 |
| 2.1.2 图的计算机表示 | 第22-23页 |
| 2.2 网络的拓扑结构和特征 | 第23-26页 |
| 2.2.1 节点的度与度分布 | 第23-24页 |
| 2.2.2 网络的连通性 | 第24-25页 |
| 2.2.3 平均路径长度与直径 | 第25-26页 |
| 2.2.4 聚类系数 | 第26页 |
| 2.3 链路预测相关概念 | 第26-32页 |
| 2.3.1 链路预测问题描述 | 第26-27页 |
| 2.3.2 网络数据集划分 | 第27-28页 |
| 2.3.3 性能评价指标 | 第28-29页 |
| 2.3.4 结构相似性指标 | 第29-32页 |
| 2.4 动态网络链路预测 | 第32-34页 |
| 2.4.1 动态网络链路预测特点 | 第32-33页 |
| 2.4.2 网络时间序列 | 第33-34页 |
| 2.4.3 动态网络链路预测算法框架 | 第34页 |
| 2.5 本章小结 | 第34-37页 |
| 第三章 基于混合结构信息的链路预测算法 | 第37-53页 |
| 3.1 子网络相似性指标 | 第37-41页 |
| 3.1.1 问题描述 | 第37-38页 |
| 3.1.2 基于混合结构信息的相似性指标 | 第38-41页 |
| 3.2 混合结构线性回归算法 | 第41-45页 |
| 3.2.1 子网络相似性分数时间序列 | 第41-42页 |
| 3.2.2 预测模型 | 第42-44页 |
| 3.2.3 动态链路预测算法 | 第44-45页 |
| 3.3 实验与分析 | 第45-51页 |
| 3.3.1 数据集 | 第46-47页 |
| 3.3.2 对比算法 | 第47页 |
| 3.3.3 实验结果 | 第47-51页 |
| 3.4 本章小结 | 第51-53页 |
| 第四章 基于奖励模型的链路预测算法 | 第53-69页 |
| 4.1 时间事件模型 | 第53-56页 |
| 4.1.1 时间事件 | 第53-54页 |
| 4.1.2 基于时间事件的相似性分数 | 第54-56页 |
| 4.2 基于奖励评分的预测模型 | 第56-60页 |
| 4.2.1 奖励评分 | 第56-58页 |
| 4.2.2 奖励预测模型 | 第58-59页 |
| 4.2.3 混合结构奖励预测算法 | 第59-60页 |
| 4.3 实验与分析 | 第60-67页 |
| 4.3.1 数据集 | 第61页 |
| 4.3.2 对比算法 | 第61页 |
| 4.3.3 实验结果 | 第61-67页 |
| 4.4 本章小结 | 第67-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-79页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第79页 |
