基于矩阵的多特征链接预测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题的研究背景和应用前景 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·本文研究的内容 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第2章 基础知识和基本概念 | 第16-28页 |
| ·社会网络简介 | 第16-17页 |
| ·社会网络的概念 | 第16-17页 |
| ·社会网络的特征 | 第17页 |
| ·社会网络分析 | 第17-19页 |
| ·链接挖掘的数据表示及特点 | 第19-20页 |
| ·链接挖掘的数据表示 | 第19-20页 |
| ·链接挖掘的数据特点 | 第20页 |
| ·典型的链接挖掘任务 | 第20-23页 |
| ·链接预测的方法 | 第23-27页 |
| ·基于邻近程度度量的链接预测 | 第24-25页 |
| ·基于有监督学习的链接预测 | 第25-26页 |
| ·基于概率模型的链接预测 | 第26-27页 |
| ·基于最大似然估计的链接预测 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 合并加权特征的链接预测算法 | 第28-40页 |
| ·引言 | 第28页 |
| ·基本概念 | 第28-30页 |
| ·合并加权特征的链接预测方法 | 第30-36页 |
| ·获取特征的权值 | 第31-33页 |
| ·基于矩阵方式组合特征 | 第33-35页 |
| ·奇异值分解技术 | 第35-36页 |
| ·合并加权特征的链接预测算法 | 第36-38页 |
| ·算法的可行性和有效性分析 | 第38-39页 |
| ·算法的可行性分析 | 第38页 |
| ·算法的有效性分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 针对合著网络的多特征链接预测算法 | 第40-56页 |
| ·引言 | 第40页 |
| ·相关工作及定义 | 第40-42页 |
| ·合著网络中链接预测问题的定义 | 第42-43页 |
| ·针对合著网络的特征提取 | 第43-52页 |
| ·提取拓扑特征 | 第43-49页 |
| ·提取语义特征 | 第49-50页 |
| ·提取时间特征 | 第50-52页 |
| ·利用有监督学习框架组合特征 | 第52-54页 |
| ·为有监督学习准备数据集 | 第52-54页 |
| ·应用已有的分类算法构造链接预测模型 | 第54页 |
| ·算法分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 算法的实验验证 | 第56-66页 |
| ·引言 | 第56页 |
| ·合并加权特征链接预测算法的实验与分析 | 第56-62页 |
| ·实验数据设置 | 第56-57页 |
| ·实验环境设置 | 第57-58页 |
| ·实验验证过程 | 第58-59页 |
| ·实验结果分析 | 第59-62页 |
| ·针对合著网络的多特征链接预测算法实验与分析 | 第62-65页 |
| ·实验数据设置 | 第62页 |
| ·实验环境设置 | 第62-63页 |
| ·实验结果分析 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 作者简介 | 第76页 |
