社会化网络的结构、演化和应用研究
摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
第一章 绪论 | 第13-30页 |
1.1 研究背景与意义 | 第13-17页 |
1.2 国内外研究现状 | 第17-26页 |
1.2.1 什么是社会化网络 | 第17-19页 |
1.2.2 网络结构分析 | 第19-21页 |
1.2.3 网络演化研究 | 第21-23页 |
1.2.4 网络应用研究 | 第23-26页 |
1.3 目前存在的主要问题 | 第26-27页 |
1.4 本文研究内容和组织结构 | 第27-30页 |
第二章 网络拓扑属性与经典网络模型 | 第30-42页 |
2.1 网络拓扑属性 | 第30-35页 |
2.1.1 有向性和加权 | 第31页 |
2.1.2 节点度和度分布 | 第31-32页 |
2.1.3 连通性与网络路径 | 第32-33页 |
2.1.4 聚类系数 | 第33页 |
2.1.5 异配性和异质性 | 第33-34页 |
2.1.6 其他拓扑属性 | 第34-35页 |
2.2 经典网络模型 | 第35-41页 |
2.2.1 随机网络模型 | 第35-37页 |
2.2.2 小世界网络模型 | 第37-39页 |
2.2.3 无标度网络模型 | 第39-40页 |
2.2.4 指数随机模型 | 第40-41页 |
2.2.5 其他网络模型 | 第41页 |
2.3 本章小结 | 第41-42页 |
第三章 网络结构挖掘与演化分析 | 第42-72页 |
3.1 实证网络分析 | 第42-54页 |
3.1.1 在线电商网络 | 第42-44页 |
3.1.2 维基百科网络 | 第44-46页 |
3.1.3 新浪微博网络 | 第46-54页 |
3.2 基于网络结构的图聚类 | 第54-67页 |
3.2.1 研究背景 | 第54-56页 |
3.2.2 经典图聚类算法 | 第56-57页 |
3.2.3 基于密度-分割的图聚类 | 第57-60页 |
3.2.4 实验分析与结论 | 第60-67页 |
3.3 基于节点属性的网络演化模型 | 第67-71页 |
3.3.1 经典网络演化模型 | 第68页 |
3.3.2 基于引力机制的网络演化模型 | 第68-71页 |
3.4 本章小结 | 第71-72页 |
第四章 基于网络扩散的推荐算法研究 | 第72-98页 |
4.1 基于引力机制的推荐算法 | 第73-78页 |
4.1.1 研究背景 | 第73-74页 |
4.1.2 算法对比与分析 | 第74-75页 |
4.1.3 实验评测与结论 | 第75-78页 |
4.2 基于边权的推荐算法 | 第78-85页 |
4.2.1 研究背景 | 第78-79页 |
4.2.2 算法对比与分析 | 第79-81页 |
4.2.3 实验评测与结论 | 第81-85页 |
4.3 基于网络拓扑结构的冷启动算法 | 第85-92页 |
4.3.1 研究背景 | 第85-86页 |
4.3.2 冷启动策略与结果分析 | 第86-91页 |
4.3.3 结论 | 第91-92页 |
4.4 基于用户行为的评分预测算法 | 第92-97页 |
4.4.1 研究背景 | 第92-94页 |
4.4.2 算法对比与分析 | 第94-96页 |
4.4.3 实验评测与结论 | 第96-97页 |
4.5 本章小结 | 第97-98页 |
第五章 基于网络结构的网络预测研究 | 第98-118页 |
5.1 基于网络游走的链路预测 | 第98-108页 |
5.1.1 研究背景 | 第98-99页 |
5.1.2 全局性链路预测算法 | 第99-102页 |
5.1.3 个性化链路预测算法 | 第102-103页 |
5.1.4 实验与结论 | 第103-108页 |
5.2 基于社交行为的宏观经济预测 | 第108-117页 |
5.2.1 研究背景 | 第108-109页 |
5.2.2 基于社交网络行为的相关性分析 | 第109-112页 |
5.2.3 基于网络相关性的经济预测方案 | 第112-116页 |
5.2.4 结论 | 第116-117页 |
5.3 本章小结 | 第117-118页 |
第六章 全文总结与展望 | 第118-122页 |
6.1 全文总结 | 第118-120页 |
6.2 未来研究展望 | 第120-122页 |
致谢 | 第122-124页 |
参考文献 | 第124-147页 |
攻读博士学位期间取得的成果 | 第147-148页 |