| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 国内外研究概况 | 第16-19页 |
| 1.2.1 国外研究概况 | 第16-17页 |
| 1.2.2 国内研究概况 | 第17页 |
| 1.2.3 面临的挑战 | 第17-19页 |
| 1.3 主要的研究内容 | 第19-21页 |
| 1.4 论文的组织结构 | 第21-22页 |
| 第二章 复杂网络及其链接预测 | 第22-37页 |
| 2.1 复杂网络及其特征 | 第22-24页 |
| 2.1.1 复杂网络的描述 | 第22-23页 |
| 2.1.2 复杂网络的特征 | 第23-24页 |
| 2.2 网络链接预测的相关算法 | 第24-33页 |
| 2.2.1 基于相似性的链接预测 | 第25-29页 |
| 2.2.2 基于最大似然估计的链接预测 | 第29-31页 |
| 2.2.3 基于概率模型的相似度链接预测 | 第31-33页 |
| 2.2.4 三类算法的对比 | 第33页 |
| 2.3 实验结果评价方法 | 第33-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 基于直接优化AUC的链接预测法 | 第37-54页 |
| 3.1 基于AUC优化的分类器 | 第37-40页 |
| 3.1.1 作为性能评价指标的AUC | 第37-38页 |
| 3.1.2 基于AUC优化的分类方法 | 第38-40页 |
| 3.2 特征的选取 | 第40-43页 |
| 3.3 算法的思想及框架 | 第43-46页 |
| 3.3.1 算法的主要思想 | 第43-44页 |
| 3.3.2 优化Hinge函数 | 第44页 |
| 3.3.3 算法的框架 | 第44-45页 |
| 3.3.4 算法复杂度分析 | 第45-46页 |
| 3.4 实验结果及分析 | 第46-52页 |
| 3.4.1 实验环境 | 第46页 |
| 3.4.2 数据集 | 第46-47页 |
| 3.4.3 实验结果 | 第47-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 基于网络节点相似度查询的链接预测 | 第54-70页 |
| 4.1 节点带属性的链接预测综述 | 第54-55页 |
| 4.2 基于模块度的复杂网络链接预测算法框架 | 第55-57页 |
| 4.2.1 模块度贡献 | 第55-56页 |
| 4.2.2 线性空间映射 | 第56-57页 |
| 4.3 基于模块度的链接预测算法 | 第57-60页 |
| 4.4 节点带属性的网络的链接预测算法 | 第60-61页 |
| 4.5 实验分析 | 第61-69页 |
| 4.5.1 数据集 | 第61-62页 |
| 4.5.2 结果的质量 | 第62-65页 |
| 4.5.3 算法时间的测试 | 第65-66页 |
| 4.5.4 节点带属性的网络测试结果 | 第66-69页 |
| 4.6 本章小结 | 第69-70页 |
| 第五章 基于关系相似度的多关系网络链接预测 | 第70-88页 |
| 5.1 多关系链接预测问题 | 第70-71页 |
| 5.2 多关系网络及置信度传播 | 第71-73页 |
| 5.2.1 多关系网络及其链接预测 | 第71-72页 |
| 5.2.2 关系之间的影响 | 第72页 |
| 5.2.3 置信度传播 | 第72-73页 |
| 5.2.4 基于置信度向量的相似性 | 第73页 |
| 5.3 利用非负矩阵分解进行链接预测 | 第73-80页 |
| 5.3.1 基于非负矩阵分解的链接预测 | 第73-74页 |
| 5.3.2 求解NMF的迭代方法 | 第74-76页 |
| 5.3.3 算法的框架 | 第76-78页 |
| 5.3.4 时间复杂度分析 | 第78页 |
| 5.3.5 收敛性和正确性分析 | 第78-80页 |
| 5.4 实验分析 | 第80-87页 |
| 5.4.1 实验环境 | 第80页 |
| 5.4.2 实验数据 | 第80页 |
| 5.4.3 实验结果 | 第80-87页 |
| 5.5 本章小结 | 第87-88页 |
| 第六章 复杂网络中基于抽样的链接预测算法 | 第88-100页 |
| 6.1 引言 | 第88页 |
| 6.2 Katz指标及其随机游走抽样 | 第88-90页 |
| 6.2.1 链接预测的Katz指标 | 第88-89页 |
| 6.2.2 随机游走的方法 | 第89-90页 |
| 6.3 基于抽样的链接预测算法 | 第90-92页 |
| 6.4 预测整个网络的潜在链接 | 第92-93页 |
| 6.5 实验分析 | 第93-99页 |
| 6.5.1 实验环境 | 第93页 |
| 6.5.2 测试One_Node_LP算法的性能 | 第93-97页 |
| 6.5.3 比较Node_LPS的相似度得分与Katz指标的实际值 | 第97-98页 |
| 6.5.4 测试Node_LPS的运行时间 | 第98-99页 |
| 6.6 本章小结 | 第99-100页 |
| 第七章 总结与展望 | 第100-102页 |
| 7.1 总结 | 第100页 |
| 7.2 展望 | 第100-102页 |
| 参考文献 | 第102-114页 |
| 致谢 | 第114-115页 |
| 攻读博士学位期间发表的学术论文 | 第115页 |
| 攻读博士学位期间参加科研项目情况 | 第115页 |