声明
致谢
摘要
1 绪论
1.1 论文的研究背景和意义
1.2 网络社区发现及推荐技术发展研究现状
1.2.1 复杂网络社区检测技术现状
1.2.2 推荐技术研究现状
1.3 本文的研究工作
1.4 论文的安排
1.5 本章小结
2 社区发现算法与协同过滤推荐技术
2.1 社区发现算法介绍
2.1.1 基于谱方法的社区发现
2.1.2 基于层次聚类的社区发现
2.1.3 基于模块度优化的社区发现
2.2 协同过滤推荐技术
2.2.1 基于内存的协同过滤推荐
2.2.2 基于模型的协同过滤推荐
2.2.3 协同过滤推荐技术现存问题
2.3 本章小结
3 基于近邻关系迭代更新的社区检测
3.1 相关工作
3.2 基于近邻关系迭代更新的社区检测
3.2.1 可信近邻关系图
3.2.2 节点相似度的传递
3.3 实验结果与分析
3.3.1 实验数据集描述
3.3.2 评价指标及实验结果
3.3.3 算法的参数影响
3.4 本章小结
4 基于异质关系间共享局部结构的社区发现
4.1 相关工作
4.2 基于共享局部结构的异构网络社区挖掘
4.2.1 共享局部信息的提取(Extraction step)
4.2.2 基于信息增益的节点聚类(Agglomeration step)
4.2.3 共享局部结构的更新
4.3 实验结果与分析
4.3.1 实验数据集及对比结果
4.3.2 收敛性分析
4.4 本章小结
5 融合社交网络的协同过滤推荐技术
5.1 相关工作
5.1.1 矩阵分解模型
5.1.2 基于社交网络的推荐技术
5.2 融合社交网络的协同过滤推荐模型
5.2.1 模型建立
5.2.2 参数学习
5.2.3 收敛性证明
5.3 实验结果与分析
5.3.1 实验数据集与评价指标
5.3.2 实验设计及对比
5.3.3 参数分析
5.4 本章小结
6 总结
6.1 工作总结
6.2 工作展望
参考文献
作者简历
学位论文数据集