基于元路径的异质网分类与计算方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 传统网络中分类方法研究现状 | 第10页 |
| 1.2.2 复杂网络中分类方法研究现状 | 第10-12页 |
| 1.2.3 异质网络社区发现研究现状 | 第12-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 异质网与元路径抽取计算 | 第17-29页 |
| 2.1 异质网相关概念与定义 | 第17-18页 |
| 2.1.1 异质网络 | 第17-18页 |
| 2.1.2 元路径 | 第18页 |
| 2.1.3 相似度 | 第18页 |
| 2.2 异质网的构建与元路径的抽取 | 第18-21页 |
| 2.2.1 异质网的构建与定义 | 第19-20页 |
| 2.2.2 元路径的抽取 | 第20-21页 |
| 2.2.3 跳转路径的抽取 | 第21页 |
| 2.3 元路径相似度计算 | 第21-25页 |
| 2.3.1 元路径相似性度量方法 | 第22-23页 |
| 2.3.2 元路径相似性矩阵 | 第23-25页 |
| 2.4 元路径权重评估 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 异质网中节点类别预测方法 | 第29-53页 |
| 3.1 分类方法 | 第29-38页 |
| 3.1.1 同质网分类方法 | 第29-30页 |
| 3.1.2 异质网分类方法 | 第30-31页 |
| 3.1.3 常用分类器 | 第31-38页 |
| 3.2 节点类别预测 | 第38-41页 |
| 3.2.1 基于元路径信息的类别预测 | 第38-39页 |
| 3.2.2 特征矩阵的构造 | 第39-40页 |
| 3.2.3 节点分类函数与算法 | 第40-41页 |
| 3.3 实验与结果分析 | 第41-51页 |
| 3.3.1 人工设置路径权重结果分析 | 第41-47页 |
| 3.3.2 自主学习路径权重结果分析 | 第47-51页 |
| 3.4 本章小结 | 第51-53页 |
| 第4章 异质网中社区发现与影响力计算 | 第53-73页 |
| 4.1 异质网中社区发现方法 | 第53-58页 |
| 4.1.1 常见社区发现算法 | 第53-56页 |
| 4.1.2 基于元路径语义的社区发现方法 | 第56-58页 |
| 4.2 异质网中节点影响力计算 | 第58-66页 |
| 4.2.1 学术网络中节点影响力计算 | 第58-62页 |
| 4.2.2 基于规则的影响力计算 | 第62-66页 |
| 4.3 实验结果与分析 | 第66-72页 |
| 4.3.1 异质网中社区发现 | 第66-67页 |
| 4.3.2 异质网中节点影响力计算 | 第67-72页 |
| 4.4 本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士期间的主要科研成果 | 第79-81页 |
| 致谢 | 第81页 |
