基于多标签、多示例学习的异质信息网络关系挖掘技术
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 研究难点和挑战 | 第9页 |
| 1.4 本文研究内容 | 第9-11页 |
| 第二章 异质信息网络链接预测问题 | 第11-20页 |
| 2.1 异质信息网络分析 | 第11-14页 |
| 2.1.1 同质信息网络 | 第11页 |
| 2.1.2 异质信息网络 | 第11-12页 |
| 2.1.3 基于元路径的分析方法 | 第12-14页 |
| 2.2 链接预测 | 第14-19页 |
| 2.2.1 同质信息网络中的链接预测 | 第14-17页 |
| 2.2.2 异质信息网络中的关系预测 | 第17-18页 |
| 2.2.3 基于监督学习的关系预测方法 | 第18页 |
| 2.2.4 评价指标 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 基于多标签学习的关系预测方法 | 第20-29页 |
| 3.1 多标签学习 | 第20-24页 |
| 3.1.1 多标签学习方法 | 第21-22页 |
| 3.1.2 评价指标 | 第22-24页 |
| 3.2 特征提取 | 第24-26页 |
| 3.2.1 同质网络中基于近邻的特征 | 第24-25页 |
| 3.2.2 异质网络中基于元路径的特征 | 第25-26页 |
| 3.3 本章算法基本思想和伪代码描述 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 基于多示例学习的关系预测方法 | 第29-33页 |
| 4.1 多示例学习 | 第29-30页 |
| 4.1.1 多示例学习起源 | 第29-30页 |
| 4.1.2 多示例学习算法 | 第30页 |
| 4.2 本章算法基本思想和伪代码 | 第30-31页 |
| 4.3 本章小结 | 第31-33页 |
| 第五章 实验与分析 | 第33-38页 |
| 5.1 实验数据集 | 第33-34页 |
| 5.2 对比方法介绍 | 第34页 |
| 5.3 实验设置 | 第34-35页 |
| 5.4 实验结果与分析 | 第35-37页 |
| 5.4.1 MULRP方法的结果与分析 | 第35-37页 |
| 5.4.2 MUIRP方法的结果与分析 | 第37页 |
| 5.5 本章小结 | 第37-38页 |
| 第六章 总结与展望 | 第38-40页 |
| 参考文献 | 第40-44页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第44-45页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第45-46页 |
| 致谢 | 第46页 |
