| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的与意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-16页 |
| 1.3.1 社交网络好友推荐研究现状 | 第12-14页 |
| 1.3.2 社区划分研究现状 | 第14-16页 |
| 1.4 本文的主要工作 | 第16-17页 |
| 1.5 论文结构安排 | 第17-18页 |
| 第2章 本文相关理论介绍 | 第18-32页 |
| 2.1 社交网络 | 第18-21页 |
| 2.1.1 社交网络的理论基础 | 第18-19页 |
| 2.1.2 社交网络的组成 | 第19-20页 |
| 2.1.3 社交网络的特性 | 第20-21页 |
| 2.1.4 社交网络的形成机制 | 第21页 |
| 2.2 社交网络中好友推荐算法 | 第21-26页 |
| 2.2.1 协同过滤推荐算法 | 第22-24页 |
| 2.2.2 结合社交网络特点的推荐技术 | 第24-26页 |
| 2.3 社区发现的研究 | 第26-31页 |
| 2.3.1 传统非重叠社区发现算法 | 第26-28页 |
| 2.3.2 重叠社区发现算法 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于中心点的COPRA算法设计 | 第32-42页 |
| 3.1 社区中心点理论 | 第32-33页 |
| 3.2 本文方法分析 | 第33-35页 |
| 3.3 基于中心点的社区发现算法设计 | 第35-40页 |
| 3.3.1 中心点选取算法(FCP) | 第35-38页 |
| 3.3.2 基于中心点且规模可控的COPRA算法设计 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第4章 基于社区发现的好友推荐算法研究与实现 | 第42-50页 |
| 4.1 问题的提出 | 第42页 |
| 4.2 基于社区发现好友推荐算法概述 | 第42-43页 |
| 4.2.1 协同过滤推荐算法描述 | 第42-43页 |
| 4.2.2 本论文算法分析 | 第43页 |
| 4.3 改进的协同过滤推荐算法 | 第43-47页 |
| 4.3.1 问题描述 | 第43-45页 |
| 4.3.2 用户特征矩阵构建 | 第45页 |
| 4.3.3 用户-标签属性关联强度 | 第45-46页 |
| 4.3.4 用户特征矩阵构建 | 第46-47页 |
| 4.4 基于社区发现好友推荐算法的设计与实现 | 第47-49页 |
| 4.4.1 算法的描述与分析 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 实验及结果分析 | 第50-62页 |
| 5.1 实验数据来源 | 第50页 |
| 5.2 实验结果评价标准 | 第50-53页 |
| 5.2.1 社区划分评价标准 | 第50-52页 |
| 5.2.2 好友推荐评价标准 | 第52-53页 |
| 5.3 实验结果 | 第53-59页 |
| 5.3.1 重叠社区划分情况 | 第53-56页 |
| 5.3.2 好友推荐结果 | 第56-59页 |
| 5.4 本章小结 | 第59-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 工作总结 | 第62-63页 |
| 6.2 未来展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |