| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 问题规范化表示 | 第10-11页 |
| 1.3 研究现状与待解决问题 | 第11-13页 |
| 1.3.1 研究现状 | 第11-13页 |
| 1.3.2 待解决问题 | 第13页 |
| 1.4 论文主要研究内容与组织结构 | 第13-15页 |
| 1.4.1 论文主要研究内容 | 第13-15页 |
| 1.4.2 组织结构 | 第15页 |
| 1.5 用户属性推断相关问题介绍 | 第15-19页 |
| 1.5.1 用户属性基本概述 | 第15-17页 |
| 1.5.2 评价方法及度量指标 | 第17-19页 |
| 第2章 经典的用户属性推断方法 | 第19-34页 |
| 2.1 数据集的收集与推断数据的准备 | 第19-23页 |
| 2.1.1 数据集的收集 | 第19-21页 |
| 2.1.2 实验数据集的抽取 | 第21-22页 |
| 2.1.3 推断数据 | 第22-23页 |
| 2.2 用户属性推断方法基本介绍 | 第23页 |
| 2.3 经典的用户属性推断方法 | 第23-31页 |
| 2.3.1 基于分类的用户属性信息推断方法-ICA算法 | 第23-27页 |
| 2.3.2 基于邻居投票的用户属性信息推断方法-IRN算法 | 第27-28页 |
| 2.3.3 基于随机游走的用户属性信息推断方法-MultiRankWalk算法 | 第28-30页 |
| 2.3.4 基于社区划分的用户属性信息推断方法-CNM算法 | 第30-31页 |
| 2.4 实验结果 | 第31-33页 |
| 2.4.1 用户地域属性上的推断结果 | 第31-32页 |
| 2.4.2 用户性别属性上的推断结果 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 社交网络中强关系的判定 | 第34-45页 |
| 3.1 强关系的判定方法 | 第34-35页 |
| 3.2 基于社区划分的方法—louvain社区发现算法 | 第35-38页 |
| 3.3 基于标签传播的方法-FluidCommunities流动性社区检测算法 | 第38-40页 |
| 3.4 基于随机游走的方法-WalkTrap网络社区划分算法 | 第40-43页 |
| 3.5 比较社区划分效果 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于强关系的用户属性推断方法的改进 | 第45-67页 |
| 4.1 基于强关系的算法改进思路 | 第45页 |
| 4.2 基于louvain社区发现算法下的信息推断效果 | 第45-53页 |
| 4.2.1 用户地域属性实验结果 | 第46-49页 |
| 4.2.2 用户性别属性实验结果 | 第49-53页 |
| 4.3 基于FluidCommunities流动性社区检测算法下的信息推断效果 | 第53-59页 |
| 4.3.1 用户地域属性实验结果 | 第53-55页 |
| 4.3.2 用户性别属性实验结果 | 第55-59页 |
| 4.4 基于WalkTrap网络社区划分算法下的信息推断效果 | 第59-65页 |
| 4.4.1 用户地域属性实验结果 | 第59-62页 |
| 4.4.2 用户性别属性实验结果 | 第62-65页 |
| 4.5 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74页 |
