基于弱关系的人物推荐算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题的研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 推荐算法的研究现状 | 第10-12页 |
| 1.2.2 强弱关系的研究现状 | 第12-14页 |
| 1.3 课题主要的研究内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 弱关系推荐问题概述 | 第16-22页 |
| 2.1 弱关系及弱关系推荐的定义 | 第16-17页 |
| 2.2 弱关系推荐算法的评价方法 | 第17-19页 |
| 2.2.1 平均节点介数中心性 | 第17-18页 |
| 2.2.2 平均节点所在社区数 | 第18-19页 |
| 2.3 实验数据集描述 | 第19-21页 |
| 2.3.1 新浪微博数据集 | 第19-20页 |
| 2.3.2 KDD2012腾讯微博数据集 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 经典推荐算法及在弱关系上的改进 | 第22-32页 |
| 3.1 引言 | 第22页 |
| 3.2 经典人物推荐算法 | 第22-27页 |
| 3.2.1 基于局部网络结构相似性的推荐算法 | 第22-23页 |
| 3.2.2 基于随机游走的推荐算法 | 第23页 |
| 3.2.3 基于双向协同过滤的推荐算法 | 第23-26页 |
| 3.2.4 剔除强关系的经典推荐算法 | 第26-27页 |
| 3.3 实验结果与分析 | 第27-31页 |
| 3.3.1 经典推荐算法的实验效果 | 第27-29页 |
| 3.3.2 剔除强关系的经典推荐算法的实验效果 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于弱关系的人物推荐算法 | 第32-55页 |
| 4.1 引言 | 第32页 |
| 4.2 数据集网络分析 | 第32-33页 |
| 4.3 弱关系推荐算法 | 第33-45页 |
| 4.3.1 弱关系推荐算法的整体框架 | 第34-37页 |
| 4.3.2 社区划分算法识别强弱关系 | 第37-40页 |
| 4.3.3 弱关系推荐中的节点重要性排序 | 第40-45页 |
| 4.4 实验结果与分析 | 第45-54页 |
| 4.4.1 社区发现算法划分强弱关系 | 第45-47页 |
| 4.4.2 弱关系推荐算法的实验效果 | 第47-49页 |
| 4.4.3 经典推荐算法与弱关系推荐算法的对比 | 第49-52页 |
| 4.4.4 加权弱关系推荐算法的实验效果 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62页 |
