大规模网络中抽样策略与应用研究
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第10-16页 |
1.1 研究背景 | 第10-12页 |
1.2 研究现状 | 第12-14页 |
1.3 研究内容 | 第14-15页 |
1.4 论文的结构安排 | 第15-16页 |
第二章 复杂网络与抽样基础 | 第16-31页 |
2.1 复杂网络研究内容 | 第16-17页 |
2.2 复杂网络的形式化表示 | 第17-20页 |
2.3 复杂网络基本拓扑性质 | 第20-22页 |
2.3.1 最短路径 | 第20-21页 |
2.3.2 节点中心性 | 第21-22页 |
2.4 复杂网络上的关系与链路预测 | 第22-28页 |
2.4.1 三元闭包与嵌入性 | 第22-23页 |
2.4.2 链路预测与节点相似度 | 第23-26页 |
2.4.3 社会网络上的正负关系 | 第26-28页 |
2.5 复杂网络抽样基础 | 第28-30页 |
2.6 本章小结 | 第30-31页 |
第三章 基于抽样的最短路径算法 | 第31-44页 |
3.1 中心节点抽样策略 | 第31-33页 |
3.2 基于中心节点构建等级网络 | 第33-35页 |
3.3 基于节点抽样的最短路径计算 | 第35-39页 |
3.4 实验结果与分析 | 第39-42页 |
3.4.1 数据集说明 | 第39页 |
3.4.2 算法比较与分析 | 第39-42页 |
3.5 本章小结 | 第42-44页 |
第四章 基于抽样的二元关系预测算法 | 第44-67页 |
4.1 特征提取 | 第45-46页 |
4.2 两阶段抽样策略 | 第46-52页 |
4.2.1 抽样的必要性 | 第46-47页 |
4.2.2 基于K-means的两阶段抽样策略 | 第47-49页 |
4.2.3 抽样策略优化 | 第49-52页 |
4.3 基于抽样数据集的分段训练框架 | 第52-55页 |
4.3.1 基于SVM的二元关系预测模型 | 第52-53页 |
4.3.2 基于爬山法寻找最优分割点 | 第53-55页 |
4.4 实验结果与分析 | 第55-66页 |
4.4.1 数据集说明 | 第55-56页 |
4.4.2 算法比较与分析 | 第56-59页 |
4.4.3 抽样算法敏感性分析 | 第59-66页 |
4.5 本章小结 | 第66-67页 |
第五章 全文总结与展望 | 第67-70页 |
5.1 全文总结 | 第67-68页 |
5.2 展望 | 第68-70页 |
致谢 | 第70-71页 |
参考文献 | 第71-79页 |
攻读硕士学位期间取得的成果 | 第79-80页 |