| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究背景、目的及意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-22页 |
| 1.2.1 多标签分类 | 第17-19页 |
| 1.2.2 种子节点选择 | 第19-20页 |
| 1.2.3 链路预测 | 第20-22页 |
| 1.2.4 链路预测和多标签分类的结合 | 第22页 |
| 1.3 本文主要研究内容 | 第22-23页 |
| 1.4 论文结构 | 第23-24页 |
| 1.5 本章总结 | 第24-25页 |
| 第二章 相关工作 | 第25-38页 |
| 2.1 多标签分类问题的定义 | 第25页 |
| 2.2 集体分类 | 第25-28页 |
| 2.2.1 基于局部条件分类器的集体分类方法 | 第26-27页 |
| 2.2.2 基于全局优化的集体分类方法 | 第27-28页 |
| 2.3 关系分类器(Relational Classifiers) | 第28-31页 |
| 2.4 多关系网络下的多标签分类算法 | 第31-37页 |
| 2.4.1 潜在社会维度(Latent Social Dimensions,LSD) | 第31-32页 |
| 2.4.2 EdgeCluster算法 | 第32-34页 |
| 2.4.3 Relational Neighbor Classification using Social Context Features(SCRN) | 第34-35页 |
| 2.4.4 网络交叉验证(Network Cross-Validation,NCV) | 第35页 |
| 2.4.5 评价指标 | 第35-37页 |
| 2.5 本章总结 | 第37-38页 |
| 第三章 基于种子节点选择的多关系网络下多标签分类算法 | 第38-52页 |
| 3.1 概述 | 第38-39页 |
| 3.2 SHDA(Nodes Selection of High Degree from Each Affiliation)算法 | 第39-41页 |
| 3.3 SHDA算法验证 | 第41-43页 |
| 3.4 实验结果 | 第43-51页 |
| 3.4.1 实验结果分析 | 第43-46页 |
| 3.4.2 算法迭代次数分析 | 第46-49页 |
| 3.4.3 算法运行效率分析 | 第49-51页 |
| 3.5 本章总结 | 第51-52页 |
| 第四章 基于链路预测的多关系网络下多标签分类算法 | 第52-63页 |
| 4.1 概述 | 第52-54页 |
| 4.2 链路预测 | 第54-57页 |
| 4.2.1 基于相似性的链路预测指标 | 第54-57页 |
| 4.2.2 k-折交叉验证 | 第57页 |
| 4.2.3 评价指标AUC(Area Under the receiver operating characteristic Curve) | 第57页 |
| 4.3 LP-SCRN算法 | 第57-59页 |
| 4.4 实验设计 | 第59-61页 |
| 4.4.1 数据集 | 第59-60页 |
| 4.4.2 对比算法 | 第60-61页 |
| 4.5 实验结果 | 第61-62页 |
| 4.5.1 实验结果分析 | 第61-62页 |
| 4.5.2 阈值τ的分析 | 第62页 |
| 4.6 本章总结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间的学术活动及成果情况 | 第69-70页 |
