学术异构信息网络中的作者合作关系预测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-10页 |
| 1.1.1 学术大数据 | 第8-9页 |
| 1.1.2 异构信息网络 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 研究现状 | 第11-13页 |
| 1.4 本文研究内容 | 第13页 |
| 1.5 本文章节安排 | 第13-15页 |
| 2 信息网络中的链路预测算法 | 第15-28页 |
| 2.1 问题描述 | 第15-17页 |
| 2.2 基于节点的度量 | 第17-18页 |
| 2.3 基于拓扑的度量 | 第18-24页 |
| 2.3.1 基于邻居的度量 | 第18-21页 |
| 2.3.2 基于路径的度量 | 第21-22页 |
| 2.3.3 基于随机游走的度量 | 第22-24页 |
| 2.4 基于内容信息的度量 | 第24-25页 |
| 2.5 基于学习的方法 | 第25-27页 |
| 2.5.1 基于特征属性的分类 | 第25-26页 |
| 2.5.2 概率图模型 | 第26-27页 |
| 2.5.3 矩阵分解 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 学术异构信息网络中的作者合作关系预测模型 | 第28-43页 |
| 3.1 元路径概述 | 第29-32页 |
| 3.2 基于学术异构信息网络的属性集 | 第32-38页 |
| 3.2.1 元路径的基本度量 | 第32-35页 |
| 3.2.2 时间动态 | 第35-36页 |
| 3.2.3 传递相似性 | 第36-37页 |
| 3.2.4 作者属性 | 第37-38页 |
| 3.3 基于元路径和内容信息的特征空间 | 第38-41页 |
| 3.3.1 基于时间动态的路径数 | 第38-39页 |
| 3.3.2 基于传递相似性的归一化路径数 | 第39-40页 |
| 3.3.3 基于作者属性的对称随机游走 | 第40-41页 |
| 3.4 有监督学习算法 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 实验及结果分析 | 第43-56页 |
| 4.1 实验数据集 | 第43-44页 |
| 4.2 实验设计 | 第44-46页 |
| 4.3 实验结果评价指标 | 第46-47页 |
| 4.4 实验结果分析 | 第47-55页 |
| 4.4.1 不同数据集的合作关系预测 | 第47-51页 |
| 4.4.2 不同特征属性对比 | 第51-53页 |
| 4.4.3 不同元路径对比 | 第53-54页 |
| 4.4.4 不同合作强度对比 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-63页 |
