加权网络社区发现与链接预测方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-31页 |
| 1.1 课题背景及意义 | 第13-18页 |
| 1.1.1 社区发现研究背景及意义 | 第14-17页 |
| 1.1.2 链接预测研究背景及意义 | 第17-18页 |
| 1.2 国内外研究现状 | 第18-27页 |
| 1.2.1 社区发现研究现状 | 第18-23页 |
| 1.2.2 链接预测研究现状 | 第23-27页 |
| 1.3 本文研究内容 | 第27-29页 |
| 1.4 本文组织结构 | 第29-31页 |
| 第2章 社区发现与链接预测理论基础 | 第31-47页 |
| 2.1 引言 | 第31-32页 |
| 2.2 社会网络相关知识 | 第32-36页 |
| 2.2.1 六度分隔理论及150定律 | 第32页 |
| 2.2.2 社会网络的特性 | 第32-34页 |
| 2.2.3 社会网络分析 | 第34-36页 |
| 2.3 社区发现相关知识 | 第36-42页 |
| 2.3.1 社区发现问题描述 | 第36-37页 |
| 2.3.2 加权网络中的社区发现 | 第37-39页 |
| 2.3.3 社区发现的评价指标 | 第39-42页 |
| 2.4 链接预测相关知识 | 第42-46页 |
| 2.4.1 链接预测问题描述 | 第42-43页 |
| 2.4.2 经典的相似性指标 | 第43-45页 |
| 2.4.3 预测精度的评价方法 | 第45-46页 |
| 2.5 本章小结 | 第46-47页 |
| 第3章 基于连接强度的加权网络社区发现方法 | 第47-71页 |
| 3.1 引言 | 第47页 |
| 3.2 AGMA算法及存在问题 | 第47-51页 |
| 3.2.1 AGMA算法主要思想 | 第47-48页 |
| 3.2.2 AGMA算法问题分析 | 第48-51页 |
| 3.3 CRMA方法 | 第51-57页 |
| 3.3.1 相关定义 | 第51-54页 |
| 3.3.2 算法描述 | 第54-57页 |
| 3.4 实验与分析 | 第57-70页 |
| 3.4.1 实验环境 | 第57页 |
| 3.4.2 评价指标 | 第57-58页 |
| 3.4.3 实验数据集 | 第58页 |
| 3.4.4 实验结果及分析 | 第58-70页 |
| 3.4.5 算法复杂度分析 | 第70页 |
| 3.5 本章小结 | 第70-71页 |
| 第4章 基于共同邻居的加权网络社区发现方法 | 第71-87页 |
| 4.1 引言 | 第71页 |
| 4.2 IEM方法 | 第71-77页 |
| 4.2.1 主要思想 | 第71-73页 |
| 4.2.2 基于共邻节点的加权相似度定义 | 第73-75页 |
| 4.2.3 算法描述 | 第75-77页 |
| 4.3 实验与分析 | 第77-85页 |
| 4.3.1 数据集 | 第77-78页 |
| 4.3.2 实验结果及分析 | 第78-85页 |
| 4.3.3 算法复杂度分析 | 第85页 |
| 4.4 本章小结 | 第85-87页 |
| 第5章 基于多路径节点的加权网络链接预测方法 | 第87-102页 |
| 5.1 引言 | 第87-88页 |
| 5.2 STNMP方法 | 第88-91页 |
| 5.2.1 核心思想 | 第88-89页 |
| 5.2.2 相关定义 | 第89-91页 |
| 5.2.3 算法描述 | 第91页 |
| 5.3 实验与分析 | 第91-101页 |
| 5.3.1 实验流程 | 第92页 |
| 5.3.2 数据准备、处理及分析 | 第92-95页 |
| 5.3.3 评价指标 | 第95页 |
| 5.3.4 加权相似度对比算法的选择 | 第95-96页 |
| 5.3.5 最优步长参数的确定 | 第96-99页 |
| 5.3.6 实验结果及分析 | 第99-101页 |
| 5.4 本章小结 | 第101-102页 |
| 第6章 结合结构平衡理论的符号网络链接预测方法 | 第102-125页 |
| 6.1 引言 | 第102-103页 |
| 6.2 符号网络理论基础 | 第103-108页 |
| 6.2.1 结构平衡理论 | 第103-105页 |
| 6.2.2 地位理论 | 第105-106页 |
| 6.2.3 两种理论的对比分析 | 第106-107页 |
| 6.2.4 符号网络平衡性分析 | 第107-108页 |
| 6.3 PSN_BS方法 | 第108-114页 |
| 6.3.1 核心思想 | 第109-110页 |
| 6.3.2 相关定义 | 第110-113页 |
| 6.3.3 算法描述 | 第113-114页 |
| 6.4 实验与分析 | 第114-124页 |
| 6.4.1 实验数据集 | 第115-116页 |
| 6.4.2 预测精度评价指标 | 第116-117页 |
| 6.4.3 边值预测准确率分析 | 第117-119页 |
| 6.4.4 符号预测正确性验证 | 第119-123页 |
| 6.4.5 与经典算法对比分析 | 第123-124页 |
| 6.5 本章小结 | 第124-125页 |
| 结论 | 第125-127页 |
| 参考文献 | 第127-136页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第136-137页 |
| 致谢 | 第137页 |
