| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 标签推荐的背景和意义 | 第10-13页 |
| 1.2 标签推荐算法的研究现状以及存在的问题 | 第13-18页 |
| 1.2.1 标签推断算法的分类 | 第13页 |
| 1.2.2 标签推断的现有研究方法以及存在的问题 | 第13-16页 |
| 1.2.3 本文主要的研究内容 | 第16-18页 |
| 第二章 相关工作 | 第18-28页 |
| 2.1 标签推断问题 | 第18-20页 |
| 2.1.1 标签推断问题描述 | 第18-19页 |
| 2.1.2 标签推断问题定义 | 第19-20页 |
| 2.2 迭代分类器 | 第20-23页 |
| 2.3 随机游走模型 | 第23-26页 |
| 2.4 最大熵理论 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于最大熵随机游走的单类标签推断模型 | 第28-44页 |
| 3.1 问题定义 | 第28-30页 |
| 3.2 最大熵随机游走模型框架 | 第30-31页 |
| 3.3 基于最大熵随机游走的标签推断 | 第31-33页 |
| 3.3.1 单步随机游走模型 | 第31-32页 |
| 3.3.2 最大熵理论指导更新标签权重 | 第32-33页 |
| 3.4 基于最大熵随机游走的标签推断算法 | 第33-36页 |
| 3.4.1 基于最大熵随机游走的标签推断算法 | 第33-35页 |
| 3.4.2 算法复杂度分析 | 第35页 |
| 3.4.3 图中多类别标签情况下的讨论 | 第35-36页 |
| 3.5 最大熵随机游走算法在DBLP数据集上的应用 | 第36-43页 |
| 3.5.1 实验数据以及实验设置 | 第36-37页 |
| 3.5.2 在不同规模无标签结点数据集上的应用结果 | 第37页 |
| 3.5.3 在不同规模数据集上的应用结果 | 第37-39页 |
| 3.5.4 在不同标签类别数数据集上的应用结果 | 第39-41页 |
| 3.5.5 在不同数值的收敛阈值上的应用结果 | 第41页 |
| 3.5.6 真实结果展示 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于最大熵随机游走的多类标签推断模型 | 第44-52页 |
| 4.1 标签推断模型在多类标签的图结构中的应用 | 第44-46页 |
| 4.1.1 问题定义 | 第44-46页 |
| 4.1.2 多类标签图结构中最大熵随机游走模型框架 | 第46页 |
| 4.2 多类标签图结构中基于最大熵随机游走的标签推断 | 第46-48页 |
| 4.2.1 基于单类标签的改进 | 第46-48页 |
| 4.2.2 基于相似矩阵的标签修正 | 第48页 |
| 4.3 最大熵指导的单步随机游走模型在多类标签推断问题上的应用 | 第48-50页 |
| 4.3.1 实验设置 | 第48-49页 |
| 4.3.2 在不同规模无标签结点数据集上的应用结果 | 第49-50页 |
| 4.3.3 在不同标签类别数数据集上的应用结果 | 第50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 发表论文和参加科研情况说明 | 第60-62页 |
| 致谢 | 第62-63页 |
