| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 在线社交网络(OSN) | 第10-12页 |
| 1.2.2 社交网络的可信网络抽取 | 第12-14页 |
| 1.2.3 多属性约束下的子图匹配 | 第14-16页 |
| 1.3 论文的主要研究内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 社交网络中的情境感知型网络抽取问题 | 第19-30页 |
| 2.1 引言 | 第19-22页 |
| 2.2 基于信任驱动的情境社交网络 | 第22-25页 |
| 2.3 基于H-SCAN-K的解决方案 | 第25-29页 |
| 2.3.1 情境社交网络抽取的建模 | 第25-26页 |
| 2.3.2 情境社交网络抽取算法 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于模拟的多属性约束的子图匹配问题 | 第30-41页 |
| 3.1 引言 | 第30-32页 |
| 3.2 问题分析与定义 | 第32-33页 |
| 3.2.1 数据图与模式图 | 第32-33页 |
| 3.2.2 多约束模拟 | 第33页 |
| 3.3 强关联单元 | 第33-35页 |
| 3.4 基于M-HAMC的子图匹配算法 | 第35-40页 |
| 3.4.1 算法流程 | 第35-36页 |
| 3.4.2 可行的边模式匹配(F-EPM) | 第36-38页 |
| 3.4.3 最优边模式匹配(O-EPM) | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 算法实验 | 第41-54页 |
| 4.1 基于H-SCAN-K的信任网络抽取算法的实验与分析 | 第41-48页 |
| 4.1.1 实验数据集 | 第41-42页 |
| 4.1.2 实验结果分析 | 第42-48页 |
| 4.2 基于M-HAMC的子图匹配算法的实验与分析 | 第48-52页 |
| 4.2.1 实验设置 | 第48-50页 |
| 4.2.2 实验结果分析 | 第50-52页 |
| 4.3 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 工作总结 | 第54页 |
| 5.2 工作展望 | 第54-56页 |
| 参考文献 | 第56-64页 |
| 攻读硕士学位期间取得的科研成果 | 第64-65页 |
| 致谢 | 第65-66页 |