在线社会网络信任计算与挖掘分析中若干模型与算法研究
| 致谢 | 第1-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-12页 |
| 目录 | 第12-20页 |
| 1 导论 | 第20-35页 |
| ·引言 | 第20-22页 |
| ·在线社会网络来源 | 第22-24页 |
| ·在线社交网站 | 第22-23页 |
| ·在线社区 | 第23页 |
| ·在线社会媒体 | 第23-24页 |
| ·其它在线社会网络来源 | 第24页 |
| ·在线社会网络的特点 | 第24-26页 |
| ·相关理论和技术 | 第26-29页 |
| ·社会网络分析 | 第26页 |
| ·图论 | 第26-27页 |
| ·Web 2.0 | 第27-28页 |
| ·语义网 | 第28-29页 |
| ·数据挖掘 | 第29页 |
| ·研究的目的和意义 | 第29-32页 |
| ·研究信任计算的目的和意义 | 第30-31页 |
| ·研究挖掘分析的目的和意义 | 第31-32页 |
| ·各章节研究内容与主要贡献 | 第32-35页 |
| 2 研究基础与现状 | 第35-55页 |
| ·信任计算研究综述 | 第36-44页 |
| ·基于政策的信任研究 | 第36-38页 |
| ·基于声望的信任研究 | 第38-41页 |
| ·基于社会网络的信任研究 | 第41-42页 |
| ·语义网领域的信任研究 | 第42-44页 |
| ·挖掘分析研究综述 | 第44-54页 |
| ·基于节点的挖掘分析 | 第45-50页 |
| ·基于链接的挖掘分析 | 第50-53页 |
| ·基于图的挖掘分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 3 基于在线社会网络的链式信任模型 | 第55-80页 |
| ·信任的特点 | 第55-57页 |
| ·基本概念 | 第57-59页 |
| ·信任计算方法 | 第59-65页 |
| ·两个假设 | 第60页 |
| ·信任计算函数 | 第60-63页 |
| ·信任计算举例 | 第63-65页 |
| ·基本机制 | 第65-69页 |
| ·局部存储机制 | 第65-66页 |
| ·动态更新机制 | 第66-68页 |
| ·信任报告机制 | 第68-69页 |
| ·仿真实验与结果分析 | 第69-78页 |
| ·链式信任模型的准确度 | 第70-72页 |
| ·链式信任模型的健壮性 | 第72-74页 |
| ·动态更新机制的有效性 | 第74-78页 |
| ·本章小结 | 第78-80页 |
| 4 基于语义的信任推理 | 第80-97页 |
| ·系统架构 | 第81-82页 |
| ·数据获取 | 第82-84页 |
| ·结构化数据 | 第82-83页 |
| ·非结构化数据 | 第83-84页 |
| ·Epinions本体 | 第84-89页 |
| ·Epinions类 | 第84-86页 |
| ·描述属性 | 第86-88页 |
| ·子属性 | 第88-89页 |
| ·基数约束 | 第89页 |
| ·信任推理功能 | 第89-95页 |
| ·N元关系 | 第90-91页 |
| ·信任推理实例 | 第91-95页 |
| ·本章小结 | 第95-97页 |
| 5 集成声望、内容和上下文信息的组合信任模型 | 第97-119页 |
| ·数据来源 | 第99-101页 |
| ·组合信任模型 | 第101-109页 |
| ·抓取用户兴趣 | 第102-105页 |
| ·推理领域相关的信任关系 | 第105页 |
| ·有区分的信任值 | 第105-108页 |
| ·构建组合信任网络 | 第108-109页 |
| ·实验与结果分析 | 第109-117页 |
| ·实验数据集 | 第110-111页 |
| ·实验方法 | 第111-112页 |
| ·实验结果 | 第112-116页 |
| ·讨论与分析 | 第116-117页 |
| ·本章小结 | 第117-119页 |
| 6 基于启发式信息的目标团体发现 | 第119-132页 |
| ·应用场景 | 第119-121页 |
| ·信任网络的特点 | 第121-127页 |
| ·小世界网络 | 第122-123页 |
| ·超级用户和普通用户 | 第123-124页 |
| ·Zipfian分布 | 第124页 |
| ·信任网络的发散性 | 第124-125页 |
| ·帕累托规则 | 第125-126页 |
| ·用户撰写review频率分析 | 第126-127页 |
| ·目标团体发现 | 第127-130页 |
| ·启发式信息抽取 | 第127-128页 |
| ·目标团体发现算法 | 第128-130页 |
| ·实验与结果分析 | 第130-131页 |
| ·本章小结 | 第131-132页 |
| 7 基于影响力最大化的关键人物挖掘 | 第132-146页 |
| ·影响力扩散网络 | 第133-134页 |
| ·影响力扩散模型构建 | 第134-137页 |
| ·问题描述 | 第134页 |
| ·影响力扩散模型 | 第134-137页 |
| ·关键人物挖掘算法 | 第137-139页 |
| ·随机算法 | 第138页 |
| ·基于节点频度中心度算法 | 第138页 |
| ·普通贪心算法 | 第138-139页 |
| ·爬山算法 | 第139页 |
| ·仿真实验及算法性能比较 | 第139-145页 |
| ·实验数据集 | 第139-140页 |
| ·实验结果 | 第140-143页 |
| ·讨论与分析 | 第143-145页 |
| ·本章小结 | 第145-146页 |
| 8 总结与展望 | 第146-150页 |
| ·本文总结 | 第146-148页 |
| ·未来工作展望 | 第148-150页 |
| 参考文献 | 第150-167页 |
| 攻读博士学位期间主要研究成果 | 第167-170页 |
| 作者简历 | 第170页 |
