| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究综述 | 第13-17页 |
| 1.2.1 一些基本的好友推荐研究现状 | 第13-15页 |
| 1.2.2 基于好友信任度的好友推荐 | 第15页 |
| 1.2.3 基于用户社会关系的好友推荐 | 第15-16页 |
| 1.2.4 综合多种因素的好友推荐 | 第16-17页 |
| 1.3 研究意义 | 第17页 |
| 1.3.1 理论意义 | 第17页 |
| 1.3.2 实践意义 | 第17页 |
| 1.4 研究创新点 | 第17页 |
| 1.5 研究方法 | 第17-18页 |
| 1.6 研究框架及思路 | 第18-19页 |
| 2 相关理论基础 | 第19-32页 |
| 2.1 微信用户行为理论 | 第19-21页 |
| 2.1.1 微信使用者及传播者理论 | 第19-21页 |
| 2.1.2 微信用户分享行为理论 | 第21页 |
| 2.2 链路预测理论基础 | 第21-27页 |
| 2.2.1 链路预测的问题描述及基本原理 | 第22页 |
| 2.2.2 链路预测的常用方法 | 第22-25页 |
| 2.2.2.1 基于共同邻居的方法 | 第22-23页 |
| 2.2.2.2 基于节点相似性的方法 | 第23页 |
| 2.2.2.3 基于最大似然估计的方法 | 第23-24页 |
| 2.2.2.4 基于路径和分类的方法 | 第24页 |
| 2.2.2.5 基于概率模型和线性代数方法 | 第24-25页 |
| 2.2.2.6 基于节点影响力的方法 | 第25页 |
| 2.2.3 链路预测的应用领域及发展方向 | 第25-27页 |
| 2.3 社交网络推荐理论基础 | 第27-29页 |
| 2.3.1 基于用户兴趣相似度的推荐 | 第27页 |
| 2.3.2 基于用户关系强度的推荐 | 第27-29页 |
| 2.4 TOPSIS模型理论 | 第29-32页 |
| 3 微信用户数据分析及聚类处理 | 第32-45页 |
| 3.1 微信框架分析及系统结构设计 | 第32-40页 |
| 3.1.1 微信的概念和对象 | 第32-35页 |
| 3.1.2 微信的独特性 | 第35-37页 |
| 3.1.3 微信用户信息的层次关系 | 第37-39页 |
| 3.1.4 微信的总体功能结构设计及模块功能设计 | 第39-40页 |
| 3.2 微信用户个人信息初步聚类的实现方式 | 第40-45页 |
| 3.2.1 微信用户标签的聚类分析及处理 | 第40-42页 |
| 3.2.1.1 微信用户标签的生成 | 第40-41页 |
| 3.2.1.2 微信用户标签的聚类分析及处理 | 第41-42页 |
| 3.2.2 微信用户个人主页资料的聚类分析及处理 | 第42-43页 |
| 3.2.3 微信用户朋友圈信息的聚类分析及处理 | 第43-44页 |
| 3.2.3.1 微信朋友圈用户信息指标的构建 | 第43-44页 |
| 3.2.3.2 用户朋友圈信息的聚类分析及处理 | 第44页 |
| 3.2.4 微信用户好友分组管理状况的聚类分析及处理 | 第44-45页 |
| 4 基于链路预测的微信好友推荐模型及方法 | 第45-53页 |
| 4.1 基于微信好友的链路预测可行性分析 | 第45页 |
| 4.2 微信好友推荐模型及推荐方案 | 第45-53页 |
| 4.2.1 微信用户初步排序 | 第45-46页 |
| 4.2.2 微信用户节点分析及连边 | 第46-47页 |
| 4.2.3 算法框架及参数设置 | 第47-48页 |
| 4.2.4 基于微信用户的链路预测推荐模型的构建 | 第48-53页 |
| 4.2.4.1 计算节点相似性的算法 | 第48-49页 |
| 4.2.4.2 挖掘重要节点的算法 | 第49-51页 |
| 4.2.4.3 基于影响因素和相似度的链路预测微信好友推荐算法 | 第51-53页 |
| 5 实验及结果 | 第53-63页 |
| 5.1 实验数据准备 | 第53-55页 |
| 5.1.1 微信用户朋友圈数据获取 | 第53-54页 |
| 5.1.2 微信用户朋友圈数据集构建 | 第54-55页 |
| 5.2 实验测试过程 | 第55-57页 |
| 5.2.1 实验环境 | 第55页 |
| 5.2.2 数据集 | 第55页 |
| 5.2.3 评价指标 | 第55-56页 |
| 5.2.4 实验对比算法 | 第56-57页 |
| 5.2.5 实验比较过程 | 第57页 |
| 5.3 实验结果分析 | 第57-63页 |
| 5.3.1 相似度算法对比分析 | 第58-60页 |
| 5.3.2 算法整体实验结果分析 | 第60-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 研究工作总结 | 第63-64页 |
| 6.2 不足及展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |