基于社会网络认知模型的社会关系预测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 社会关系预测技术 | 第14-15页 |
| 1.2.2 社会关系认知模型 | 第15-16页 |
| 1.3 论文主要工作 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第2章 相关理论与技术 | 第18-27页 |
| 2.1 复杂社会网络简介 | 第18-21页 |
| 2.1.1 复杂网络 | 第18-20页 |
| 2.1.2 社会网络 | 第20-21页 |
| 2.1.3 复杂社会网络 | 第21页 |
| 2.2 社会关系认知模型 | 第21-23页 |
| 2.2.1 认知矩阵 | 第21-22页 |
| 2.2.2 认知关系 | 第22-23页 |
| 2.2.3 认知误差 | 第23页 |
| 2.3 关系预测相关算法 | 第23-26页 |
| 2.3.1 认知片预测方法 | 第24页 |
| 2.3.2 局部汇总预测方法 | 第24-25页 |
| 2.3.3 节点一致性预测方法 | 第25页 |
| 2.3.4 算法适用环境 | 第25-26页 |
| 2.4 小结 | 第26-27页 |
| 第3章 低采样率下的BTCS关系预测算法 | 第27-45页 |
| 3.1 问题描述 | 第27-29页 |
| 3.1.1 问题提出 | 第27-28页 |
| 3.1.2 解决方案 | 第28-29页 |
| 3.2 BTCS算法描述 | 第29-35页 |
| 3.2.1 采样过程设计 | 第30页 |
| 3.2.2 矩阵合并设计 | 第30-32页 |
| 3.2.3 容错控制设计 | 第32-33页 |
| 3.2.4 复杂度分析 | 第33-35页 |
| 3.3 数学模型与代码实现 | 第35-38页 |
| 3.3.1 矩阵降维模型实现 | 第35-36页 |
| 3.3.2 容错控制数学模型实现 | 第36-37页 |
| 3.3.3 代码实现 | 第37-38页 |
| 3.4 实验分析 | 第38-43页 |
| 3.4.1 实验数据与环境 | 第38-39页 |
| 3.4.2 实验方法 | 第39页 |
| 3.4.3 预测精度分析 | 第39-42页 |
| 3.4.4 拓扑结构分析 | 第42-43页 |
| 3.4.5 时间开销分析 | 第43页 |
| 3.5 小结 | 第43-45页 |
| 第4章 社区中的CCS关系预测算法 | 第45-58页 |
| 4.1 问题描述 | 第45-47页 |
| 4.1.1 问题提出 | 第45-46页 |
| 4.1.2 解决方案 | 第46-47页 |
| 4.2 CCS算法描述 | 第47-53页 |
| 4.2.1 社区化采样过程设计 | 第48-49页 |
| 4.2.2 社区化节点关系分类 | 第49-50页 |
| 4.2.3 社区内节点合并设计 | 第50-52页 |
| 4.2.4 社区间节点合并设计 | 第52-53页 |
| 4.3 实验分析 | 第53-57页 |
| 4.3.1 稳定性分析 | 第53-55页 |
| 4.3.2 预测精度分析 | 第55-56页 |
| 4.3.3 时间开销分析 | 第56-57页 |
| 4.4 小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录A 攻读学位期间所发表的学术论文 | 第65页 |
