| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| Chapter 1 Introduction | 第18-36页 |
| 1.1 Link Prediction in Complex networks | 第18-20页 |
| 1.2 Overview of related works | 第20-24页 |
| 1.3 Similarity-Based Algorithms | 第24-29页 |
| 1.3.1 Local Similarity Indices | 第24-26页 |
| 1.3.2 Global Similarity Indices | 第26-28页 |
| 1.3.3 Quasi-Local Indices | 第28-29页 |
| 1.4 Evaluation Matrix | 第29-31页 |
| 1.5 Motivations and Contributions | 第31-34页 |
| 1.6 Summary | 第34-36页 |
| Chapter 2 Link Prediction in dynamic networks by Information Integration | 第36-57页 |
| 2.1 Introduction | 第36-37页 |
| 2.2 Reduced static graph approaches | 第37-39页 |
| 2.2.1 Traditional reduced static graph method | 第37-38页 |
| 2.2.2 Improved reduced static graph approach | 第38-39页 |
| 2.3 Exploiting community structure for link prediction | 第39-42页 |
| 2.3.1 Method for detecting communities | 第40-41页 |
| 2.3.2 Algorithm for generating community matrix | 第41-42页 |
| 2.4 Exploiting node centrality for link prediction | 第42-44页 |
| 2.4.1 Eigenvector centrality | 第42-43页 |
| 2.4.2 Centrality matrix derivation | 第43页 |
| 2.4.3 Algorithm for generating centrality matrix | 第43-44页 |
| 2.5 Integrated time series model for temporal link prediction | 第44-47页 |
| 2.5.1 Overview of the algorithm | 第44-46页 |
| 2.5.2 Algorithm for integrated time series information | 第46-47页 |
| 2.5.3 Computational complexity analysis | 第47页 |
| 2.6 Experimental results | 第47-55页 |
| 2.6.1 Testdatasets | 第47-48页 |
| 2.6.2 Experiment setup | 第48-50页 |
| 2.6.3 Experimental results and analysis | 第50-55页 |
| 2.7 Summary | 第55-57页 |
| Chapter 3 Link Prediction in Dynamic Uncertain Networks | 第57-80页 |
| 3.1 Introduction | 第57-58页 |
| 3.2 Concepts and Definitions | 第58-59页 |
| 3.3 Random walk in static uncertain networks model | 第59-61页 |
| 3.4 Computing the transformation matrix (?) | 第61-63页 |
| 3.5 Calculate (?)_u(u,v) in sub-graph G(u) | 第63-67页 |
| 3.6 Time series-random walk method | 第67-69页 |
| 3.7 Experimental results | 第69-78页 |
| 3.7.1 Datasets tested | 第69-71页 |
| 3.7.2 Experiment setup | 第71-72页 |
| 3.7.3 Experimental results and analysis | 第72-78页 |
| 3.8 Summary | 第78-80页 |
| Chapter 4 Link Prediction in Dynamic Networks Based on Nonnegative Matrix Factorization | 第80-100页 |
| 4.1 Introduction | 第80-82页 |
| 4.2 Similarity Matrix and Its Nonnegative Matrix Factorization | 第82-83页 |
| 4.3 Iterative method for NMF | 第83-87页 |
| 4.3.1 Updating U~((t)) | 第84页 |
| 4.3.2 Updating V~((l)) | 第84页 |
| 4.3.3 Updating U~* | 第84-85页 |
| 4.3.4 Updating V~* | 第85页 |
| 4.3.5 The algorithm | 第85-87页 |
| 4.4 Time complexity analysis | 第87页 |
| 4.5 Convergence and correctness analysis | 第87-90页 |
| 4.6 Experimental results | 第90-97页 |
| 4.6.1 Datasets tested | 第90-91页 |
| 4.6.2 Experiment setup | 第91-92页 |
| 4.6.3 Experimental results and analysis | 第92-97页 |
| 4.7 Summary | 第97-100页 |
| Chapter 5 Fast Algorithm for Vertex Link Predicting in Dynamic Networks | 第100-122页 |
| 5.1 Introduction | 第100-101页 |
| 5.2 Transformation Matrix for Dynamic Network | 第101-103页 |
| 5.3 Local Random Walk | 第103-104页 |
| 5.3.1 Local random walk | 第103-104页 |
| 5.3.2 Superposed random walk | 第104页 |
| 5.4 Sampling Based Similarity Computation | 第104-112页 |
| 5.4.1 Approximation of SRW by path sampling | 第104-106页 |
| 5.4.2 Path selection by random walk | 第106-107页 |
| 5.4.3 The size of sampling path set | 第107-110页 |
| 5.4.4 Algorithm for similarity estimation involving a given node | 第110-112页 |
| 5.5 Time complexity analysis | 第112-113页 |
| 5.6 Experimental results | 第113-119页 |
| 5.6.1 Datasets tested | 第113-114页 |
| 5.6.2 Experiment setup | 第114-115页 |
| 5.6.3 Experimental results and analysis | 第115-119页 |
| 5.7 Summary | 第119-122页 |
| Chapter 6 Conclusions and Future Works | 第122-125页 |
| References | 第125-132页 |
| Acknowledgements | 第132-134页 |
| List of Publications | 第134页 |
| Research Projects Participated During the Doctoral Study | 第134-137页 |
| About the Author | 第137页 |
