| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究的目的和意义 | 第11-12页 |
| 1.2 课题的国内外研究现状 | 第12-14页 |
| 1.3 可行性分析 | 第14-15页 |
| 1.3.1 研究基础 | 第14-15页 |
| 1.3.2 已具备的条件 | 第15页 |
| 1.4 论文拟采用的技术路线 | 第15-16页 |
| 1.5 论文拟进行的主要工作和预期成果 | 第16-18页 |
| 1.5.1 工作安排 | 第16-17页 |
| 1.5.2 预期成果 | 第17-18页 |
| 1.6 论文组织结构 | 第18-19页 |
| 第二章 研究设计与研究方法 | 第19-29页 |
| 2.1 复杂网络及其特征 | 第19页 |
| 2.2 信息网络模型与元路径 | 第19-21页 |
| 2.3 信息网络表示学习 | 第21-23页 |
| 2.3.1 概念 | 第21-22页 |
| 2.3.2 分类 | 第22-23页 |
| 2.4 相关模型简介 | 第23-28页 |
| 2.4.1 词的表示 | 第23页 |
| 2.4.2 语言模型 | 第23-24页 |
| 2.4.3 Word2Vec与Skip-Gram模型 | 第24-26页 |
| 2.4.4 DeepWalk算法 | 第26-27页 |
| 2.4.5 Node2Vec模型 | 第27-28页 |
| 2.5 模型化 | 第28页 |
| 2.6 建立图 | 第28-29页 |
| 第三章 研究过程与数据分析 | 第29-37页 |
| 3.1 数据采集方案 | 第29-30页 |
| 3.2 数据预处理 | 第30-33页 |
| 3.3 算法设计 | 第33-34页 |
| 3.3.1 工具概述 | 第33页 |
| 3.3.2 图识别 | 第33页 |
| 3.3.3 表示训练 | 第33-34页 |
| 3.4 降维计算 | 第34-35页 |
| 3.4.1 定义 | 第34页 |
| 3.4.2 分类 | 第34页 |
| 3.4.3 主成分分析算法(PCA) | 第34-35页 |
| 3.4.4 主成分分析算法实现 | 第35页 |
| 3.5 数据分析 | 第35-37页 |
| 第四章 实验结果分析 | 第37-53页 |
| 4.1 合著网络相似度分析 | 第37-40页 |
| 4.1.1 向量相似度 | 第37页 |
| 4.1.2 作者相似度分析 | 第37-39页 |
| 4.1.3 基于相似度的邻居结构分析 | 第39-40页 |
| 4.2 合著网络聚类分析 | 第40-47页 |
| 4.2.1 聚类分析定义 | 第40-41页 |
| 4.2.2 聚类分析分类 | 第41页 |
| 4.2.3 聚类分析效果评价 | 第41-42页 |
| 4.2.4 K均值算法 | 第42页 |
| 4.2.5 作者聚类分析 | 第42-44页 |
| 4.2.6 出版物聚类分析 | 第44-45页 |
| 4.2.7 论文聚类分析 | 第45-46页 |
| 4.2.8 聚类分析总结 | 第46-47页 |
| 4.3 合著网络链接预测 | 第47-53页 |
| 4.3.1 链接预测的定义 | 第47-48页 |
| 4.3.2 链接预测方法 | 第48-50页 |
| 4.3.3 链接预测方法评价 | 第50-51页 |
| 4.3.4 作者合著预测 | 第51-52页 |
| 4.3.5 作者与出版物合作预测 | 第52-53页 |
| 第五章 总结与展望 | 第53-57页 |
| 5.1 主要结论 | 第53-54页 |
| 5.2 研究不足讨论与改进探讨 | 第54页 |
| 5.3 后续研究展望 | 第54-55页 |
| 5.4 总结 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 附录 | 第64-69页 |