声明
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 链路预测
1.2.2 社交网络推荐系统
1.3 研究内容与创新点
1.4 论文的组织结构
第二章 链路预测与社交网络推荐系统研究概述
2.1 链路预测问题描述
2.2 基于相似性的链路预测
2.2.1 基于局部节点信息
2.2.2 基于路径信息
2.3 基于分类方法的链路预测
2.4 其它链路预测方法
2.4.1 基于随机游走的相似性指标
2.4.2 概率关系模型
2.5 社交网络推荐问题描述
2.5.1 社交网络常用推荐算法
2.5.2 基于链路预测的推荐算法
2.5.3 评价指标
2.6 本章小结
第三章 考虑节点关系间关系强度的链路预测算法
3.1 社交网络关系模型构建
3.1.1 网络基本拓扑性质与表示
3.1.2 社交网络建模
3.2 基于关系强度的相似性指标
3.2.1 关系强度的意义
3.2.2 局部指标
3.2.3 关系紧密度
3.3 基于关系强度的链路预测算法
3.3.1 算法描述
3.3.2 计算示例
3.4 实验结果及分析
3.4.1 实验数据集
3.4.2 结果与分析
3.5 本章小结
第四章 结合标签传播和链路预测的推荐算法
4.1引言
4.2标签传播社区划分算法
4.2.1 社区划分
4.2.2 标签选择与提取
4.2.3 改进的标签传播算法
4.3 结合标签传播和链路预测的算法设计
4.4 基于结合算法的推荐模型
4.5 实验结果与相关参数分析
4.5.1 实验数据及处理
4.5.2 结果与分析
4.6 本章小结
第五章 原型系统设计与实现
5.1 系统整体架构
5.2 相关技术与开发环境
5.2.1 HDFS分布式文件系统
5.2.2 Spark分布式处理框架
5.2.3 开发环境
5.3 系统模块设计
5.3.1 数据采集与处理
5.3.2 推荐模块
5.4 系统实现
5.5 本章小结
第六章 总结与展望
6.1 论文总结
6.2 工作展望
参考文献
致谢
在学期间的研究成果及发表的学术论文
江苏大学;
