| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 本文的研究内容 | 第10页 |
| 1.4 本文的组织结构 | 第10-12页 |
| 第二章 链接预测与社团检测 | 第12-24页 |
| 2.1 社会网络分析 | 第12-14页 |
| 2.1.1 社会网络 | 第12-13页 |
| 2.1.2 社会网络分析 | 第13-14页 |
| 2.2 链接预测 | 第14-18页 |
| 2.2.1 链接预测的定义 | 第14页 |
| 2.2.2 链接预测的主要方法 | 第14-17页 |
| 2.2.3 面临的问题 | 第17-18页 |
| 2.3 社团检测 | 第18-21页 |
| 2.3.1 社会网络中的社团结构 | 第18-19页 |
| 2.3.2 社团检测的方法 | 第19-21页 |
| 2.3.3 社团检测方法中存在的问题 | 第21页 |
| 2.4 社团信息在链接预测中的应用 | 第21-23页 |
| 2.4.1 现有的方法 | 第22-23页 |
| 2.4.2 存在的问题 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 一种采用社团信息改造样本特征的链接预测方法CR-LiP | 第24-41页 |
| 3.1 基于监督学习的链接预测框架 | 第24-25页 |
| 3.2 网络数据的特征表示 | 第25-29页 |
| 3.2.1 网络结构特征 | 第25-26页 |
| 3.2.2 社团特征的抽取方式 | 第26-27页 |
| 3.2.3 用社团信息改造后的结构特征 | 第27-29页 |
| 3.3 算法伪代码描述 | 第29-30页 |
| 3.4 实验数据集 | 第30-32页 |
| 3.4.1 数据集简介 | 第30-31页 |
| 3.4.2 数据预处理与分析 | 第31-32页 |
| 3.5 实验设置 | 第32-34页 |
| 3.5.1 实验环境简介 | 第32页 |
| 3.5.2 SVM简介及设置 | 第32-34页 |
| 3.5.3 CR-LiP实验设置 | 第34页 |
| 3.6 实验评估标准 | 第34-36页 |
| 3.6.1 ROC曲线与AUC值 | 第35-36页 |
| 3.6.2 运行时间 | 第36页 |
| 3.7 实验结果和分析 | 第36-40页 |
| 3.8 本章小结 | 第40-41页 |
| 第四章 一种采用社团信息扩充样本特征的链接预测方法CE-LiP | 第41-47页 |
| 4.1 网络数据的特征表示 | 第41-42页 |
| 4.1.1 社团特征的抽取方法 | 第41页 |
| 4.1.2 融合结构特征与社团特征的表示方法 | 第41-42页 |
| 4.2 算法伪代码描述 | 第42-43页 |
| 4.3 实验设置 | 第43页 |
| 4.4 实验结果与分析 | 第43-45页 |
| 4.4.1 ROC曲线分析 | 第43-45页 |
| 4.4.2 运行时间 | 第45页 |
| 4.5 本章小结 | 第45-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 工作总结 | 第47页 |
| 5.2 未来研究方向 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第52-53页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第53-54页 |
| 致谢 | 第54页 |