基于鏈路預(yù)測的推薦系統(tǒng)：原理.模型與算法

第1部分 基礎(chǔ)知識
第1章 緒論
1．1 研究背景
1．1．1 推薦系統(tǒng)的發(fā)展現(xiàn)狀及特征分析
1．1．2 推薦系統(tǒng)的國內(nèi)外研究現(xiàn)狀
1．2 相關(guān)理論基礎(chǔ)
1．2．1 復(fù)雜網(wǎng)絡(luò)理論基礎(chǔ)
1．2．2 鏈路預(yù)測理論
1．2．3 基于鏈路預(yù)測的協(xié)同推薦理論
1．3 復(fù)雜網(wǎng)絡(luò)下基于鏈路預(yù)測推薦所面臨的問題及研究意義
1．3．1 面臨的問題
1．3．2 研究意義
1．4 研究思路
1．5 本書的主要內(nèi)容
本章參考文獻(xiàn)
第2部分 復(fù)雜網(wǎng)絡(luò)上的鏈路預(yù)測方法
第2章 網(wǎng)絡(luò)分析軟件Pajek
2．1 Pajek軟件介紹
2．1．1 高速計算
2．1．2 可視化
2．1．3 抽象化
2．2 Pajek軟件使用基礎(chǔ)
2．3 Pajek軟件分析網(wǎng)絡(luò)屬性
2．3．1 度的計算
2．3．2 兩點間的距離
2．3．3 k近鄰
2．3．4 聚類系數(shù)
2．4 Pajek軟件抽取極大連通子圖
2．5 Pajek軟件網(wǎng)絡(luò)畫圖
2．5．1 繪制復(fù)雜網(wǎng)絡(luò)圖
2．5．2 繪制不同類節(jié)點的復(fù)雜網(wǎng)絡(luò)圖
2．5．3 繪制不同大小節(jié)點的復(fù)雜網(wǎng)絡(luò)圖
2．5．4 繪制不同權(quán)值邊的復(fù)雜網(wǎng)絡(luò)圖
2．6 網(wǎng)絡(luò)文件．簡介
2．6．1 Pajek網(wǎng)絡(luò)文件的一般結(jié)構(gòu)
2．6．2 具體參數(shù)的意義和取值
2．6．3 文件舉例
2．7 本章小結(jié)
本章參考文獻(xiàn)
第3章 基于相似性的鏈路預(yù)測研究
3．1 鏈路預(yù)測的研究方法
3．2 鏈路預(yù)測的典型研究成果
3．3 鏈路預(yù)測的實驗數(shù)據(jù)
3．4 鏈路預(yù)測的實驗方法
3．4．1 數(shù)據(jù)集劃分方法
3．4．2 鏈路預(yù)測的度量指標(biāo)
3．5 鏈路預(yù)測重要代碼講解
3．5．1 數(shù)據(jù)集劃分代碼講解
3．5．2 關(guān)鍵測試指標(biāo)代碼講解
3．6 基于拓?fù)湎嗨菩枣溌奉A(yù)測的思考
3．7 本章小結(jié)
本章參考文獻(xiàn)
第4章 基于弱關(guān)系的鏈路預(yù)測算法
4．1 研究背景
4．2 問題描述
4．3 基于弱關(guān)系的優(yōu)化鏈路預(yù)測模型
4．3．1 算法、AA算法和RA算法介紹
4．3．2 改進(jìn)優(yōu)化算法模型
4．4 實驗結(jié)果與分析
4．4．1 數(shù)據(jù)集
4．4．2 度量指標(biāo)
4．4．3 結(jié)果與分析
4．5 本章小結(jié)
4．6 研究思考
本章參考文獻(xiàn)
第5章 基于路徑異構(gòu)性的鏈路預(yù)測算法
5．1 研究背景
5．2 問題描述
5．3 基于路徑異構(gòu)性的鏈路預(yù)測建模
5．3．1 SP模型
5．3．2 對比算法
5．4 實驗結(jié)果與分析
5．4．1 數(shù)據(jù)集
5．4．2 評估準(zhǔn)則
5．4．3 結(jié)果與分析
5．5 本章小結(jié)
5．6 研究思考
本章參考文獻(xiàn)
第6章 基于端點影響力的鏈路預(yù)測算法
6．1 研究背景
6．2 問題描述
6．3 基于端點影響力建立鏈路預(yù)測模型
6．3．1 EP模型
6．3．2 對比算法
6．4 實驗結(jié)果與分析
6．4．1 數(shù)據(jù)集
6．4．2 評估準(zhǔn)則
6．4．3 結(jié)果與分析
6．5 本章小結(jié)
6．6 研究思考
本章參考文獻(xiàn)
第3部分 基于鏈路預(yù)測的推薦算法研究
第7章 推薦模型的研究方法
7．1 推薦模型常見研究方法
7．2 基于鏈路預(yù)測的推薦模型研究方法
7．3 推薦技術(shù)的典型研究成果
7．4 推薦技術(shù)的研究數(shù)據(jù)介紹
7．5 推薦實驗方法
7．5．1 數(shù)據(jù)集劃分方法
7．5．2 推薦算法的度量指標(biāo)
7．6 推薦算法重要代碼講解
7．6．1 數(shù)據(jù)集劃分代碼講解
7．6．2 推薦算法關(guān)鍵指標(biāo)代碼講解
7．7 基于二部圖推薦算法的研究思路
7．8 本章小結(jié)
本章參考文獻(xiàn)
第8章 基于修正相似性的協(xié)作推薦算法
8．1 研究背景
8．2 問題描述
8．3 基于修正相似性的推薦算法CSI
8．3．1 基于二部圖網(wǎng)絡(luò)的經(jīng)典相似性算法
8．3．2 相似性修正模型CSI
8．3．3 對比算法
8．4 實驗結(jié)果與分析
8．4．1 數(shù)據(jù)集
8．4．2 評價準(zhǔn)則
8．4．3 結(jié)果與分析
8．5 本章小結(jié)
8．6 研究思考
本章參考文獻(xiàn)
第9章 基于一致性的協(xié)作推薦算法
9．1 研究背景
9．2 問題描述
9．3 基于一致性的推薦算法CBI
9．3．1 基于網(wǎng)絡(luò)的因果性推薦算法NBI
9．3．2 基于一致性的推薦算法CBI和UCBI
9．3．3 對比算法
9．4 實驗結(jié)果與分析
9．4．1 數(shù)據(jù)集
9．4．2 評價準(zhǔn)則
9．4．3 結(jié)果與分析
9．5 本章小結(jié)
9．6 研究思考
本章參考文獻(xiàn)
第10章 基于一致性冗余刪除的協(xié)作推薦算法
10．1 研究背景
10．2 問題描述
10．3 修正冗余刪除推薦算法
10．3．1 相似性估計偏差現(xiàn)象
10．3．2 相似性冗余問題
10．3．3 修正冗余刪除相似性指標(biāo)CRE
10．3．4 對比算法
10．4 實驗結(jié)果與分析
10．4．1 數(shù)據(jù)集
10．4．2 評價準(zhǔn)則
10．4．3 結(jié)果與分析
10．5 本章小結(jié)
10．6 研究思考
本章參考文獻(xiàn)
第11章 一致性下基于懲罰過度擴(kuò)散的推薦算法
11．1 研究背景
11．2 問題描述
11．3 對稱和過度擴(kuò)散懲罰算法模型
11．3．1 非對稱擴(kuò)散問題
11．3．2 擴(kuò)散冗余問題
11．3．3 基于對稱的過度擴(kuò)散懲罰模型
11．3．4 對比算法
11．4 實驗結(jié)果與分析
11．4．1 數(shù)據(jù)集
11．4．2 評價準(zhǔn)則
11．4．3 結(jié)果與分析
11．5 本章小結(jié)
11．6 研究思考
本章參考文獻(xiàn)
第4部分 總結(jié)與未來展望
第12章 總結(jié)和展望
12．1 總結(jié)
12．2 未來研究展望