| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第6-13页 |
| 1.1 研究背景 | 第6-10页 |
| 1.1.1 链接分析及其意义 | 第6页 |
| 1.1.2 链接预测 | 第6-9页 |
| 1.1.3 链接类别分析 | 第9-10页 |
| 1.2 相关工作 | 第10-12页 |
| 1.2.1 链接预测相关工作 | 第10-11页 |
| 1.2.2 链接分类相关工作 | 第11-12页 |
| 1.3 文章组织与安排 | 第12-13页 |
| 第二章 相关知识 | 第13-20页 |
| 2.1 贝叶斯公式 | 第13页 |
| 2.2 极大似然估计(MLE) | 第13页 |
| 2.3 极大后项估计(MAP) | 第13-14页 |
| 2.4 基于梯度的优化算法 | 第14页 |
| 2.5 判别模型和生成模型 | 第14-15页 |
| 2.6 最大熵模型 | 第15页 |
| 2.7 概率图模型 | 第15-16页 |
| 2.8 概率图模型推断 | 第16-17页 |
| 2.9 限制玻尔兹曼机(Restricted Boltzmann Machine) | 第17-19页 |
| 2.10 线性SVM | 第19页 |
| 2.11 小结 | 第19-20页 |
| 第三章 基于矩阵分解的链接预测分解模型 | 第20-34页 |
| 3.1 问题定义 | 第20页 |
| 3.2 基于MAP(极大后项估计)的矩阵分解算法 | 第20-21页 |
| 3.3 个性化链接矩阵分解模型 | 第21-26页 |
| 3.3.1 基于矩阵分解模型的个性化链接预测 | 第21-22页 |
| 3.3.2 链接矩阵分解模型 | 第22-24页 |
| 3.3.3 个性化特征建模 | 第24-25页 |
| 3.3.4 个性化链接矩阵分解模型 | 第25页 |
| 3.3.5 算法分析 | 第25-26页 |
| 3.4 链接预测实验分析 | 第26-33页 |
| 3.4.1 数据集介绍 | 第26页 |
| 3.4.2 对比实验算法 | 第26-28页 |
| 3.4.3 实验结果分析 | 第28-30页 |
| 3.4.4 特征维的选取 | 第30-31页 |
| 3.4.5 参数μ的选取 | 第31-33页 |
| 3.5 小结 | 第33-34页 |
| 第四章 链接分类 | 第34-46页 |
| 4.1 问题定义 | 第34页 |
| 4.2 链接分类判别模型 | 第34-35页 |
| 4.3 基于人工特征的链接分类 | 第35-36页 |
| 4.4 基于矩阵分解和受限玻尔兹曼机的特征提取算法 | 第36-41页 |
| 4.4.1 矩阵分解特征 | 第36-37页 |
| 4.4.2 基于限制玻尔兹曼机的特征构造 | 第37-38页 |
| 4.4.3 链接特征算法框架 | 第38-39页 |
| 4.4.4 受限玻尔兹曼机训练 | 第39-41页 |
| 4.5 链接分类实验 | 第41-44页 |
| 4.5.1 实验准备 | 第41-42页 |
| 4.5.2 对比实验算法 | 第42页 |
| 4.5.3 实验指标 | 第42页 |
| 4.5.4 实验结果分析 | 第42-44页 |
| 4.5.5 RBM隐层维度的选择 | 第44页 |
| 4.6 小结 | 第44-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 未来工作及展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |