复杂网络结构分析与链路预测
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 引言 | 第11-14页 |
| 1.2 网络结构的研究现状 | 第14-17页 |
| 1.3 链路预测的研究进展 | 第17-20页 |
| 1.4 本文研究内容及意义 | 第20-23页 |
| 第二章 复杂网络宏观结构 | 第23-38页 |
| 2.1 引言 | 第23页 |
| 2.2 刻画网络宏观结构 | 第23-26页 |
| 2.3 网络演化模型 | 第26-28页 |
| 2.4 似然分析评价网络演化机制的优劣 | 第28-30页 |
| 2.5 度量多种演化机制的贡献 | 第30-34页 |
| 2.6 真实网络的流行性和聚类性 | 第34-36页 |
| 2.7 小结 | 第36-38页 |
| 第三章 复杂网络中观结构 | 第38-46页 |
| 3.1 引言 | 第38-39页 |
| 3.2 有向网络中的模体 | 第39-41页 |
| 3.3 有向网络势能理论 | 第41-44页 |
| 3.3.1 势能理论推断显著子图 | 第41-43页 |
| 3.3.2 势能理论的有效性验证 | 第43-44页 |
| 3.4 小结 | 第44-46页 |
| 第四章 复杂网络微观结构 | 第46-59页 |
| 4.1 引言 | 第46-47页 |
| 4.2 节点中心性 | 第47-52页 |
| 4.2.1 常见的节点中心性指标 | 第47-49页 |
| 4.2.2 分析企业员工的升职和离职 | 第49-52页 |
| 4.3 节点的H家族 | 第52-57页 |
| 4.4 小结 | 第57-59页 |
| 第五章 链路预测算法研究 | 第59-76页 |
| 5.1 引言 | 第59页 |
| 5.2 问题描述 | 第59-60页 |
| 5.3 评价方法 | 第60-61页 |
| 5.4 基于相似性的链路预测算法 | 第61-64页 |
| 5.4.1 基于局部信息的相似性算法 | 第61-63页 |
| 5.4.2 含权的相似性指标 | 第63-64页 |
| 5.5 基于朴素贝叶斯的链路预测算法 | 第64-68页 |
| 5.6 利用兴趣信息辅助预测 | 第68-70页 |
| 5.7 基于可信路径的预测算法 | 第70-74页 |
| 5.8 小结 | 第74-76页 |
| 第六章 链路预测算法应用于网络演化问题 | 第76-84页 |
| 6.1 引言 | 第76页 |
| 6.2 链路预测方法检验网络演化机制 | 第76-79页 |
| 6.3 链路预测方法与似然分析方法 | 第79-83页 |
| 6.4 小结 | 第83-84页 |
| 第七章 链路预测算法应用于推荐系统 | 第84-101页 |
| 7.1 引言 | 第84页 |
| 7.2 协同过滤推荐系统基本模型和方法 | 第84-87页 |
| 7.3 基于不相似用户的推荐方法 | 第87-89页 |
| 7.4 提取网络的信息骨架 | 第89-96页 |
| 7.5 含时的推荐算法 | 第96-100页 |
| 7.6 小结 | 第100-101页 |
| 第八章 结论和展望 | 第101-103页 |
| 致谢 | 第103-104页 |
| 参考文献 | 第104-124页 |
| 附录A 附录章 | 第124-131页 |
| A.1 网络的拓扑结构特征 | 第124-127页 |
| A.1.1 无向网络的拓扑结构特征 | 第124-125页 |
| A.1.2 有向网络的拓扑结构特征 | 第125-127页 |
| A.1.3 含权网络的拓扑结构特征 | 第127页 |
| A.2 旅游网站商品属性及其相似性的计算 | 第127-129页 |
| A.3 GLP模型和TANG模型参数确定 | 第129页 |
| A.4 Kendall Tau | 第129-130页 |
| A.5 证明式子(6-5) | 第130-131页 |
| 攻读博士学位期间取得的成果 | 第131-133页 |
