采用位置信息的链接预测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 研究现状 | 第9页 |
| 1.3 本文的主要工作 | 第9-10页 |
| 1.4 论文的组织结构 | 第10-11页 |
| 第二章 基于位置的社会网络 | 第11-21页 |
| 2.1 社会网络 | 第11-15页 |
| 2.1.1 社会网络的定义和表示方法 | 第11-12页 |
| 2.1.2 社会网络分析中的链接预测问题 | 第12-15页 |
| 2.2 位置网络 | 第15-19页 |
| 2.2.1 位置网络简介 | 第15-17页 |
| 2.2.2 位置网络的位置特性 | 第17-18页 |
| 2.2.3 位置网络的相关数据库 | 第18-19页 |
| 2.3 位置网络中的链接预测问题 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于机器学习的链接预测方法研究 | 第21-31页 |
| 3.1 机器学习及其分类 | 第21-24页 |
| 3.1.1 机器学习概念及应用 | 第21-22页 |
| 3.1.2 机器学习方法的分类 | 第22-24页 |
| 3.2 半监督学习 | 第24-26页 |
| 3.2.1 半监督学习简介及发展 | 第24页 |
| 3.2.2 半监督学习的经典方法及应用现状 | 第24-26页 |
| 3.3 基于半监督学习的链接预测方法 | 第26-30页 |
| 3.3.1 链接预测 | 第26-27页 |
| 3.3.2 基于监督学习的链接预测方法 | 第27-28页 |
| 3.3.3 基于半监督学习的链接预测方法 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 采用位置信息的链接预测方法 | 第31-35页 |
| 4.1 网络数据的特征 | 第31-32页 |
| 4.1.1 网络结构特征 | 第31页 |
| 4.1.2 位置特征 | 第31-32页 |
| 4.2 采用位置信息的半监督链接预测算法 | 第32-34页 |
| 4.2.1 采用位置信息的签到预测算法 | 第32-33页 |
| 4.2.2 采用位置信息的朋友关系预测算法 | 第33-34页 |
| 4.3 本章小结 | 第34-35页 |
| 第五章 实验结果与分析 | 第35-47页 |
| 5.1 数据集简介 | 第35-36页 |
| 5.2 实验数据分析 | 第36-39页 |
| 5.2.1 签到数据的预处理 | 第36-37页 |
| 5.2.2 签到数据的特征抽取 | 第37-39页 |
| 5.3 实验设置 | 第39-41页 |
| 5.3.1 支持向量机（SVM）分类器 | 第39-40页 |
| 5.3.2 采用位置信息的位置签到预测实验设置 | 第40-41页 |
| 5.3.3 采用位置信息的朋友关系预测实验设置 | 第41页 |
| 5.4 实验评估标准 | 第41-43页 |
| 5.5 实验结果和分析 | 第43-46页 |
| 5.5.1 采用位置信息的位置签到预测结果分析 | 第43-45页 |
| 5.5.2 采用位置信息的好友关系预测结果分析 | 第45-46页 |
| 5.6 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 论文完成工作 | 第47页 |
| 6.2 未来研究方向 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第53-54页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第54-55页 |
| 致谢 | 第55页 |
