| 摘要 | 第1-6页 |
| Abstract | 第6-15页 |
| 第1章 绪论 | 第15-25页 |
| ·引言 | 第15-16页 |
| ·Web 2.0时代信息检索的发展趋势 | 第16-18页 |
| ·Web数据的复杂关联结构 | 第18-21页 |
| ·本文研究成果 | 第21-22页 |
| ·本文组织结构 | 第22-25页 |
| 第2章 图学习相关工作综述 | 第25-43页 |
| ·基于图的排序算法 | 第26-33页 |
| ·PageRank | 第26-28页 |
| ·HITS | 第28-29页 |
| ·流形排序算法(Manifold Ranking) | 第29-31页 |
| ·基于优先级训练数据的图排序算法 | 第31-32页 |
| ·小结 | 第32-33页 |
| ·基于图的降维算法 | 第33-43页 |
| ·主成分分析算法(Principal Component Analysis) | 第34-35页 |
| ·线性区分分析算法(Linear Discriminant Analysis) | 第35-36页 |
| ·等距特征映射算法(Isometric feature mapping) | 第36-37页 |
| ·局部线性嵌入算法(Locally Linear Embedding) | 第37-38页 |
| ·Laplacian Eigenmap | 第38-39页 |
| ·流形对齐算法(Manifold Alignment) | 第39-40页 |
| ·小结 | 第40-43页 |
| 第3章 基于多类关联对象图排序的个性化标签推荐 | 第43-75页 |
| ·背景介绍及问题描述 | 第43-47页 |
| ·算法概要 | 第47页 |
| ·个性化标签推荐与个性化搜索 | 第47-49页 |
| ·基于图的多类关联对象查询排序算法(GRoMO) | 第49-57页 |
| ·符号和问题定义 | 第49-50页 |
| ·目标函数和算法推导 | 第50-57页 |
| ·GRoMO算法的直观理解 | 第57页 |
| ·基于GRoMO的个性化标签推荐 | 第57-63页 |
| ·DocGraph和DocTagGraph的构建 | 第58页 |
| ·查询向量的设置 | 第58-61页 |
| ·GRoMO计算复杂度分析 | 第61-63页 |
| ·实验 | 第63-71页 |
| ·数据集 | 第63页 |
| ·比较的基准算法和评价指标 | 第63-65页 |
| ·GRoMO参数调整 | 第65页 |
| ·性能比较实验 | 第65-70页 |
| ·GRoMO迭代形式解的收敛速度分析 | 第70-71页 |
| ·本章小结 | 第71-75页 |
| 第4章 基于多类关联对象图降维的个性化文档推荐 | 第75-99页 |
| ·背景介绍及问题描述 | 第76-80页 |
| ·标签标注数据的聚合 | 第78-79页 |
| ·算法概要 | 第79-80页 |
| ·基于标签数据推荐资源的研究现状 | 第80-81页 |
| ·基于图的多类关联对象降维算法(MIOE) | 第81-88页 |
| ·算法直观思想 | 第81-82页 |
| ·问题的数学语言描述 | 第82-83页 |
| ·学习最优语义空间 | 第83-87页 |
| ·文档相似图及三个二元关系图的构建 | 第87-88页 |
| ·基于MIOE的文档推荐 | 第88页 |
| ·实验 | 第88-98页 |
| ·数据集 | 第88-89页 |
| ·比较算法 | 第89-90页 |
| ·实验设计与评价指标 | 第90-91页 |
| ·性能比较实验 | 第91-94页 |
| ·MIOE参数调整 | 第94-96页 |
| ·案例研究 | 第96-98页 |
| ·本章小结 | 第98-99页 |
| 第5章 基于高效张量图降维的人脸图像检索与识别 | 第99-125页 |
| ·背景介绍及研究动机 | 第100-102页 |
| ·基于图拉普拉斯的张量子空间学习 | 第102-104页 |
| ·基于图拉普拉斯的子空间学习 | 第102页 |
| ·问题定义 | 第102页 |
| ·张量子空间分析算法(TSA) | 第102-104页 |
| ·张量子空间回归算法(TSR) | 第104-112页 |
| ·算法框架 | 第104-105页 |
| ·解广义特征值问题 | 第105-107页 |
| ·用回归求解最优的子空间 | 第107-110页 |
| ·TSR和TSA的时间复杂度分析 | 第110-112页 |
| ·实验 | 第112-122页 |
| ·人脸数据集 | 第112-113页 |
| ·实验设计 | 第113-115页 |
| ·TSR和TSA运行时间的比较 | 第115页 |
| ·人脸检索实验 | 第115-117页 |
| ·人脸分类实验 | 第117-120页 |
| ·人脸聚类实验 | 第120-122页 |
| ·本章小结 | 第122-125页 |
| 第6章 基于链接图排序的高质量专业资源抓取 | 第125-149页 |
| ·背景介绍及问题描述 | 第125-130页 |
| ·专业主题资源抓取研究现状 | 第130-131页 |
| ·抓取高质量专业主题信息资源的聚焦爬虫 | 第131-138页 |
| ·直观思想 | 第131-132页 |
| ·聚焦爬虫架构 | 第132-133页 |
| ·网页主题质量在线评估算法(OTIE) | 第133-138页 |
| ·实验 | 第138-148页 |
| ·主题的选取 | 第138-140页 |
| ·LCP策略表现的实验分析 | 第140-143页 |
| ·性能比较实验 | 第143-148页 |
| ·本章小结 | 第148-149页 |
| 第7章 总结与展望 | 第149-153页 |
| ·全文工作总结 | 第149-151页 |
| ·未来工作展望 | 第151-153页 |
| 参考文献 | 第153-168页 |
| 作者简历及在学期间所取得的科研成果 | 第168-170页 |
| 致谢 | 第170页 |
