关系马尔可夫网及其在社会网络中的应用研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-15页 |
| ·前言 | 第11-13页 |
| ·课题背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·论文主要内容 | 第13-15页 |
| ·研究的目标和内容 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 2 关系马尔可夫网在社会网络中的应用综述 | 第15-25页 |
| ·引言 | 第15页 |
| ·社会网络分析相关概念 | 第15-22页 |
| ·社会网络的表示和数据特点 | 第15-18页 |
| ·社会网络数据的分析任务 | 第18-19页 |
| ·关系数据的分类问题 | 第19-22页 |
| ·统计关系学习方法及分类 | 第22-23页 |
| ·基于关系马尔可夫网的社会网络数据表示 | 第23页 |
| ·小结 | 第23-25页 |
| 3 关系马尔可夫网模型 | 第25-34页 |
| ·引言 | 第25页 |
| ·马尔可夫网的定义 | 第25-28页 |
| ·基团的势函数 | 第26页 |
| ·马尔可夫网 | 第26-28页 |
| ·关系马尔可夫网的定义 | 第28-31页 |
| ·条件马尔可夫网 | 第28页 |
| ·关系基团模板 | 第28-31页 |
| ·关系马尔可夫网 | 第31页 |
| ·关系马尔可夫网模型的学习 | 第31-33页 |
| ·小结 | 第33-34页 |
| 4 关系马尔可夫网模型目标函数的构造方法 | 第34-43页 |
| ·引言 | 第34页 |
| ·最大似然估计方法 | 第34-36页 |
| ·似然关系模型 | 第34-35页 |
| ·最大似然估计方法 | 第35-36页 |
| ·最大伪似然估计方法 | 第36-37页 |
| ·基于参数后验概率的估计方法 | 第37页 |
| ·关系马尔可夫网络模型的推理算法 | 第37-42页 |
| ·小结 | 第42-43页 |
| 5 关系马尔可夫网的参数学习 | 第43-51页 |
| ·引言 | 第43页 |
| ·一维搜索方法 | 第43-46页 |
| ·黄金分割法 | 第44-45页 |
| ·牛顿法 | 第45页 |
| ·Armijo-Goldstein法 | 第45-46页 |
| ·一维搜索方法对比总结 | 第46页 |
| ·共轭梯度法 | 第46-47页 |
| ·其他最优化方法 | 第47-49页 |
| ·梯度下降法 | 第48页 |
| ·拟牛顿法 | 第48-49页 |
| ·各个方法优缺点比较 | 第49-50页 |
| ·小结 | 第50-51页 |
| 6 基于关系马尔可夫网的关系数据分类与实验分析 | 第51-76页 |
| ·引言 | 第51页 |
| ·数据集介绍和预处理 | 第51-53页 |
| ·数据集介绍 | 第51-52页 |
| ·数据集预处理 | 第52-53页 |
| ·实验的总体设计 | 第53-58页 |
| ·实验目的 | 第53-54页 |
| ·实验总体设计 | 第54-58页 |
| ·基于特定数据集构建关系马尔可夫网模型 | 第58-69页 |
| ·关系基团模板的定义 | 第58-59页 |
| ·构建关系马尔可夫网模型的相关算法 | 第59-64页 |
| ·目标函数参数优化算法 | 第64-69页 |
| ·实验结果 | 第69-73页 |
| ·实验结果分析 | 第73-74页 |
| ·小结 | 第74-76页 |
| 7 结论 | 第76-78页 |
| ·论文工作总结 | 第76页 |
| ·未来的研究工作 | 第76-78页 |
| 参考文献 | 第78-81页 |
| 作者简历 | 第81-83页 |
| 学位论文数据集 | 第83页 |
