| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究的背景和意义 | 第7-9页 |
| 1.2 国内外的发展及现状 | 第9-10页 |
| 1.3 论文的主要研究内容 | 第10-13页 |
| 第二章 社会网络链接预测概述 | 第13-21页 |
| 2.1 社会网络基本理论 | 第13-15页 |
| 2.2 社会网络表示及性质 | 第15-17页 |
| 2.3 链接预测概述 | 第17-19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 基于信息转移的用户相似性量化 | 第21-28页 |
| 3.1 转移熵的定义 | 第22-23页 |
| 3.2 转移熵的估计 | 第23-24页 |
| 3.3 以信息转移为基础的用户相似性量化 | 第24-26页 |
| 3.3.1 社会网络中用户间边权值的确定 | 第24-25页 |
| 3.3.2 社交网络中用户间信息转移的量化 | 第25-26页 |
| 3.4 基于信息转移链接预测方法定义 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第四章 基于主题向量表示信息转移的链接预测研究 | 第28-36页 |
| 4.1 用户内容主题向量表示 | 第28-31页 |
| 4.1.1 LDA(Latent Dirichlet Allocation)模型 | 第28-30页 |
| 4.1.2 主题向量表示 | 第30-31页 |
| 4.2 实验分析 | 第31-34页 |
| 4.2.1 实验数据准备与实验评价方法 | 第31-32页 |
| 4.2.2 信息转移链接预测实验设计与结果分析 | 第32-34页 |
| 4.3 本章小结 | 第34-36页 |
| 第五章 基于词向量表示信息转移的链接预测研究 | 第36-43页 |
| 5.1 用户内容分布式词向量表示 | 第36-38页 |
| 5.2 实验分析 | 第38-41页 |
| 5.2.1 信息转移链接预测实验设计与结果分析 | 第38-40页 |
| 5.2.2 与经典拓扑链接预测算法比较及网络演化规律 | 第40-41页 |
| 5.3 本章小结 | 第41-43页 |
| 第六章 总结与展望 | 第43-45页 |
| 6.1 本文工作总结 | 第43-44页 |
| 6.2 未来工作展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第48-49页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第49-50页 |
| 致谢 | 第50页 |