基于节点影响力的链路推荐研究 |
论文目录 | | 摘要 | 第1-5页 | ABSTRACT | 第5-9页 | 第一章 绪论 | 第9-18页 | 1.1 研究背景与问题 | 第9-11页 | 1.2 国内外研究现状 | 第11-15页 | 1.2.1 链路预测问题研究现状 | 第12-13页 | 1.2.2 挖掘影响力节点的研究现状 | 第13-14页 | 1.2.3 基于节点影响力的链路推荐研究现状 | 第14-15页 | 1.3 研究内容 | 第15-16页 | 1.4 论文组织结构 | 第16-18页 | 第二章 相关理论知识概述 | 第18-24页 | 2.1 链路预测常见的算法和评价指标 | 第18-20页 | 2.1.1 链路预测常见的算法 | 第18-19页 | 2.1.2 评价指标 | 第19-20页 | 2.2 影响力节点挖掘常见算法 | 第20-21页 | 2.3 影响力传播模型 | 第21-22页 | 2.4 TOPSIS模型 | 第22-23页 | 2.5 本章小结 | 第23-24页 | 第三章 数据获取与预处理 | 第24-29页 | 3.1 数据集的选取 | 第24-25页 | 3.2 数据内容 | 第25-26页 | 3.3 网络拓扑预处理 | 第26-28页 | 3.4 本章小结 | 第28-29页 | 第四章 基于节点影响力的链路推荐算法 | 第29-41页 | 4.1 基于信息传播概率的相似性计算 | 第29-33页 | 4.1.1 节点间新链接建立的分析 | 第29-31页 | 4.1.2 节点间信息传播概率建模 | 第31-32页 | 4.1.3 基于信息传播概率的相似性计算 | 第32-33页 | 4.2 基于节点重要性的链路推荐 | 第33-37页 | 4.2.1 基于多属性决策的重要节点挖掘 | 第35-36页 | 4.2.2 基于节点重要性的链路推荐算法 | 第36-37页 | 4.3 基于社区结构的链路推荐 | 第37-40页 | 4.3.1 基于社区结构的影响力节点挖掘 | 第38-39页 | 4.3.2 基于社区结构的链路推荐算法 | 第39-40页 | 4.4 本章小结 | 第40-41页 | 第五章 实验设计与分析 | 第41-55页 | 5.1 实验环境 | 第41页 | 5.2 数据集 | 第41-42页 | 5.3 评价指标 | 第42页 | 5.4 实验设计 | 第42-44页 | 5.4.1 实验对比算法 | 第42-43页 | 5.4.2 实验的比较过程 | 第43-44页 | 5.5 实验结果及分析 | 第44-54页 | 5.5.1 基于信息传播概率的相似性算法实验 | 第44-46页 | 5.5.2 基于新浪微博数据集的算法比较 | 第46-48页 | 5.5.3 基于Twitter数据集的算法比较 | 第48-51页 | 5.5.4 本文所提出的两种推荐算法的比较 | 第51-54页 | 5.6 本章小结 | 第54-55页 | 第六章 原型系统设计与实现 | 第55-60页 | 6.1 原型系统整体流程 | 第55页 | 6.2 开发环境 | 第55页 | 6.3 各模块的设计 | 第55-57页 | 6.4 可视化界面 | 第57-58页 | 6.5 本章小结 | 第58-60页 | 第七章 总结和展望 | 第60-62页 | 7.1 研究工作总结 | 第60页 | 7.2 研究工作展望 | 第60-62页 | 致谢 | 第62-63页 | 参考文献 | 第63-66页 | 作者简介 | 第66页 |
|
|
|
| |