| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 本文主要工作 | 第14页 |
| 1.4 本文组织结构 | 第14-17页 |
| 第二章 研究现状与相关理论研究进展 | 第17-25页 |
| 2.1 Web点击流数据分析研究现状 | 第17-20页 |
| 2.1.1 Web点击流数据 | 第17页 |
| 2.1.2 点击流数据在用户行为模式分析中的应用 | 第17-18页 |
| 2.1.3 点击流数据在信息推荐中的应用 | 第18-19页 |
| 2.1.4 点击流数据在搜索引擎中的应用 | 第19页 |
| 2.1.5 点击流数据分析研究现状总结 | 第19-20页 |
| 2.2 网络科学相关理论及其研究进展 | 第20-24页 |
| 2.2.1 流网络模型 | 第20-21页 |
| 2.2.2 网络中的随机游走模型 | 第21-23页 |
| 2.2.3 网络中的距离表示 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于马尔科夫转移模型的节点流量依赖关系挖掘 | 第25-39页 |
| 3.1 问题描述 | 第25页 |
| 3.2 点击流网络分析方法 | 第25-31页 |
| 3.2.1 点击流网络路径分析 | 第27-28页 |
| 3.2.2 路径的矩阵表示 | 第28-29页 |
| 3.2.3 节点之间的总流量T_(ij) | 第29-30页 |
| 3.2.4 节点在网络中流量控制方面的影响力C_i | 第30-31页 |
| 3.3 点击流数据来源与介绍 | 第31-33页 |
| 3.4 点击流数据分析结果 | 第33-37页 |
| 3.4.1 潜在隐含重要连边挖掘 | 第33-35页 |
| 3.4.2 节点影响力C_i与PageRank算法的比较 | 第35-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 基于流距离的Web点击流网络可视化 | 第39-60页 |
| 4.1 问题描述 | 第39页 |
| 4.2 点击流网络中的流距离 | 第39-46页 |
| 4.2.1 流距离的定义 | 第39-42页 |
| 4.2.2 流距离计算的优化 | 第42-44页 |
| 4.2.3 大规模网络中流距离计算的矩阵分块算法 | 第44-46页 |
| 4.3 流网络嵌入算法 | 第46-48页 |
| 4.4 网站点击流数据分析结果 | 第48-56页 |
| 4.4.1 网站之间的流距离 | 第48-50页 |
| 4.4.2 互联网中网站的几何表示 | 第50-53页 |
| 4.4.3 注意力、耗散以及网站在几何表示中的分布 | 第53-55页 |
| 4.4.4 互联网中网站几何表示的动态变化 | 第55-56页 |
| 4.5 维基百科点击流数据分析结果 | 第56-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 论文主要工作与创新点 | 第60-61页 |
| 5.2 进一步研究工作 | 第61-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 作者在学期间取得的学术成果 | 第69页 |
