| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 链路预测问题的研究现状 | 第10-12页 |
| 1.3 论文的主要工作内容 | 第12-13页 |
| 1.4 论文的组织安排 | 第13-14页 |
| 第二章 链路预测的理论基础 | 第14-24页 |
| 2.1 网络的相关定义、术语、符合表示 | 第14-15页 |
| 2.2 相关矩阵 | 第15-17页 |
| 2.2.1 邻接矩阵 | 第15页 |
| 2.2.2 度矩阵 | 第15-16页 |
| 2.2.3 拉普拉斯矩阵 | 第16-17页 |
| 2.3 网络的拓扑结构性质 | 第17-19页 |
| 2.3.1 度、平均度和度分布 | 第17-18页 |
| 2.3.2 聚类系数 | 第18页 |
| 2.3.3 平均路径长度 | 第18页 |
| 2.3.4 同配系数 | 第18-19页 |
| 2.3.5 度异质性 | 第19页 |
| 2.4 谱分析方法 | 第19-20页 |
| 2.5 链路预测方法 | 第20-21页 |
| 2.5.1 基于相似性的链路预测方法 | 第20-21页 |
| 2.5.2 基于最大似然估计的链路预测方法 | 第21页 |
| 2.5.3 基于机器学习的链路预测方法 | 第21页 |
| 2.6 链路预测结果评价指标 | 第21-23页 |
| 2.6.1 数据集划分 | 第21-22页 |
| 2.6.2 评价指标 | 第22-23页 |
| 2.7 本章小结 | 第23-24页 |
| 第三章 基于聚类系数和度的链路预测算法 | 第24-33页 |
| 3.1 网络的聚类系数 | 第24-26页 |
| 3.2 基于聚类系数和度的CDLP链路预测算法 | 第26-32页 |
| 3.2.1 实验设计 | 第28-29页 |
| 3.2.2 数据集 | 第29-30页 |
| 3.2.3 CDLP的对比算法 | 第30页 |
| 3.2.4 实验结果分析 | 第30-32页 |
| 3.2.5 时间复杂度分析 | 第32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于谱分析方法的链路预测算法 | 第33-52页 |
| 4.1 传统的谱分析方法 | 第33-34页 |
| 4.2 基于谱分析的SALP链路预测算法 | 第34-38页 |
| 4.2.1 算法描述 | 第34-35页 |
| 4.2.2 SALP算法具体步骤 | 第35-36页 |
| 4.2.3 特征向量的选取 | 第36-37页 |
| 4.2.4 经典相似性距离 | 第37页 |
| 4.2.5 分类器 | 第37-38页 |
| 4.2.6 实验工具 | 第38页 |
| 4.3 SALP算法的实现 | 第38-45页 |
| 4.3.1 构建边的属性特征集合 | 第38-44页 |
| 4.3.2 实验结果与分析 | 第44-45页 |
| 4.4 基于角距离谱分析方法的链路预测算法 | 第45-51页 |
| 4.4.1 角距离 | 第46-48页 |
| 4.4.2 基于角距离的谱分析方法 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 拓扑结构与谱分析结合的链路预测算法 | 第52-62页 |
| 5.1 CD-SALP方法 | 第52-55页 |
| 5.1.1 算法步骤 | 第54页 |
| 5.1.2 实验结果分析 | 第54-55页 |
| 5.2 度与A-SALP结合的链路预测方法 | 第55-57页 |
| 5.3 聚类系数与A-SALP结合的链路预测方法 | 第57-58页 |
| 5.4 度和聚类系数共同与A-SALP结合的链路预测方法 | 第58-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 本文总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 在学期间的研究成果 | 第67-68页 |
| 致谢 | 第68页 |