声明
摘要
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 链接预测问题研究现状
1.2.2 带属性的链接预测问题研究现状
1.2.3 现状总结
1.3 研究目标及内容
1.4 论文的主要工作
1.5 论文组织结构
第二章 复杂网络链接预测相关技术
2.1 复杂网络
2.1.1 复杂网络的统计性质
2.1.2 复杂网络的基本特征
2.1.3 复杂网络举例
2.2 链接预测基本模型
2.2.1 链接预测问题基本定义
2.2.2 带属性的链接预测问题
2.3 链接预测关键技术
2.3.1 基于二元分类的预测方法
2.3.2 基于节点相似性的预测方法
2.3.3 基于路径相似性的预测方法
2.3.4 基于随机游走的预测方法
2.4 本章小结
第三章 复杂网络中的链接模式挖掘
3.1 基本思想
3.2 基于属性的链接模式挖掘
3.2.1 基于PU学习思想的模式挖掘
3.2.2 评价模式的区分力:D值
3.3 模式挖掘算法
3.4 本章小结
第四章 基于模式的链接预测
4.1 基本思想
4.2 链接模式的强度计算
4.2.1 随机块模型
4.2.2 链接模式强度计算
4.3 基于链接模式的随机游走模型
4.3.1 基于模式的概率转移矩阵构造算法
4.3.2 算法伪代码
4.3.3 算法分析
4.4 本章小结
第五章 数据集获取和预处理
5.1 UCI Machine Learning Repository
5.1.1 数据集描述
5.1.2 数据集预处理
5.2 Political Blogs数据集
5.2.1 数据集描述
5.2.2 数据集预处理
5.3 新浪微博数据集
5.3.1 数据集获取
5.3.2 数据集描述
5.3.3 数据集预处理
5.4 本章小结
第六章 实验设计与分析
6.1 实验环境
6.1.1 硬件环境
6.1.2 软件环境
6.2 实验评价指标
6.2.1 模式挖掘算法验证实验评价指标
6.2.2 链接预测实验评价指标
6.3 基于PU学习的模式挖掘算法实验
6.3.1 实验设计
6.3.2 对比方法介绍
6.3.3 整体效果对比
6.3.4 模式区分力验证
6.3.5 训练集大小对挖掘算法的影响
6.4 复杂网络链接预测实验
6.4.1 实验设计
6.4.2 对比方法介绍
6.4.3 整体效果对比
6.4.4 训练集大小对预测效果的影响
6.4.5 不同L值下算法的预测效果
6.5 本章小结
第七章 原型系统实现
7.1 原型系统整体架构
7.2 原型系统实现
7.2.1 开发环境
7.2.2 系统流程图
7.2.3 原型系统总体类图
7.2.4 系统可视化
7.3 本章小结
第八章 总结和展望
8.1 研究工作总结
8.2 研究工作展望
致谢
参考文献
作者简介