| 摘要 | 第7-9页 |
| abstract | 第9-10页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 国内外文献综述 | 第13-17页 |
| 1.2.1 社交网络研究现状 | 第13-15页 |
| 1.2.2 贝叶斯网络研究现状 | 第15-16页 |
| 1.2.3 文献述评 | 第16-17页 |
| 1.3 研究内容与组织架构 | 第17-18页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 组织架构 | 第18页 |
| 1.4 创新与难点 | 第18-19页 |
| 第2章 预备知识 | 第19-30页 |
| 2.1 社交网络结构基本特征 | 第19-25页 |
| 2.1.1 社交网络的理论基础 | 第19-21页 |
| 2.1.2 社交网络的组成元素 | 第21-22页 |
| 2.1.3 社交网络的主要内容 | 第22-23页 |
| 2.1.4 社交网络关系结构的表示方法 | 第23-25页 |
| 2.2 复杂网络节点相似性介绍 | 第25页 |
| 2.3 贝叶斯理论介绍 | 第25-27页 |
| 2.3.1 概率论基础 | 第25-26页 |
| 2.3.2 贝叶斯统计 | 第26-27页 |
| 2.3.3 图论知识 | 第27页 |
| 2.4 贝叶斯网络介绍 | 第27-29页 |
| 2.4.1 贝叶斯网络定义 | 第27-28页 |
| 2.4.2 贝叶斯网络分类前提 | 第28-29页 |
| 2.4.3 贝叶斯网络应用 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于贝叶斯网络学习的用户相似度建模 | 第30-39页 |
| 3.1 用户相似度贝叶斯网络模型的定义 | 第30页 |
| 3.2 用户相似性贝叶斯网络模型的构建 | 第30-34页 |
| 3.3 基于概率推理的用户相似性贝叶斯网络模型的构建 | 第34-38页 |
| 3.3.1 贝叶斯网络推理 | 第34-35页 |
| 3.3.2 基于概率推理的用户相似性贝叶斯网络模型 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于DBLP数据集的贝叶斯网络实证分析 | 第39-48页 |
| 4.1 数据预处理 | 第39-43页 |
| 4.2 USBN模型设计 | 第43-46页 |
| 4.3 模型改进方向 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 不足之处与展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 附录-主要程序 | 第53-56页 |
| 致谢 | 第56-57页 |