隨著以因特網(wǎng)為代表的各種信息技術(shù)的迅猛發(fā)展,人類大步邁入了網(wǎng)絡(luò)時(shí)代。今天,人們生活在一個(gè)充滿著各種復(fù)雜網(wǎng)絡(luò)的世界中,以復(fù)雜網(wǎng)絡(luò)為研究對(duì)象的網(wǎng)絡(luò)科學(xué)也得到了快速的發(fā)展。作為網(wǎng)絡(luò)科學(xué)的熱門研究方向之一,鏈接預(yù)測(cè)能夠通過(guò)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和節(jié)點(diǎn)屬性等信息預(yù)測(cè)網(wǎng)絡(luò)中尚未產(chǎn)生連邊的兩個(gè)節(jié)點(diǎn)之間產(chǎn)生鏈接的可能性。這里既包含對(duì)丟失鏈接的預(yù)測(cè),也包含對(duì)未來(lái)可能產(chǎn)生的鏈接的預(yù)測(cè)。鏈接預(yù)測(cè)的研究不僅具有廣泛的實(shí)際應(yīng)用價(jià)值,而且具有重要的理論研究意義。目前,研究人員已經(jīng)從不同的角度提出了大量的鏈接預(yù)測(cè)方法。其中,基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的相似性方法受到了較高的關(guān)注。局部樸素貝葉斯（Local Na?ve Bayes,LNB）模型是基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)相似性方法中較為高效的一種,具有較高的預(yù)測(cè)精度和相對(duì)較低的計(jì)算復(fù)雜度。本文提出了改進(jìn)的LNB模型。LNB模型認(rèn)為不同的公共鄰居具有不一樣的作用,通過(guò)引入功能函數(shù)對(duì)不同公共鄰居的貢獻(xiàn)度進(jìn)行區(qū)分,從而能很好地提高預(yù)測(cè)的精度。然而LNB模型忽略了其它結(jié)構(gòu)信息的影響。受到CAR方法的啟發(fā),本文在原LNB模型的基礎(chǔ)上考慮局部社團(tuán)結(jié)構(gòu)信息的影響,對(duì)LNB模型進(jìn)行了修改。在改進(jìn)的LNB模型中... 

【文章來(lái)源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：52 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文的主要研究?jī)?nèi)容
    1.4 論文的組織結(jié)構(gòu)
第二章 相關(guān)理論基礎(chǔ)
    2.1 網(wǎng)絡(luò)的定義和表示
    2.2 網(wǎng)絡(luò)的基本拓?fù)湫再|(zhì)
        2.2.1 度與平均度
        2.2.2 度分布與度異質(zhì)性
        2.2.3 路徑與網(wǎng)絡(luò)效率
        2.2.4 聚集系數(shù)
    2.3 鏈接預(yù)測(cè)基本問(wèn)題
        2.3.1 問(wèn)題描述
        2.3.2 評(píng)價(jià)標(biāo)準(zhǔn)
    2.4 基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)相似性的鏈接預(yù)測(cè)方法
        2.4.1 Common Neighbors(CN)方法
        2.4.2 Weight Common Neighbors(WCN)方法
        2.4.3 Adamic-Adar(AA)方法
        2.4.4 Resource Allocation(RA)方法
        2.4.5 Local Path(LP)方法
        2.4.6 CAR方法
        2.4.7 Asymmetric Mutual Information(AMI)方法
        2.4.8 WMI-WCN方法
    2.5 Friedman檢驗(yàn)
    2.6 本章小結(jié)
第三章 基于改進(jìn)LNB模型的無(wú)權(quán)網(wǎng)絡(luò)鏈接預(yù)測(cè)算法
    3.1 樸素貝葉斯分類器
    3.2 LNB模型簡(jiǎn)介
    3.3 基于改進(jìn)LNB模型的無(wú)權(quán)網(wǎng)絡(luò)鏈接預(yù)測(cè)算法
        3.3.1 算法的提出
        3.3.2 算法描述
    3.4 實(shí)驗(yàn)與分析
        3.4.1 實(shí)驗(yàn)環(huán)境
        3.4.2 數(shù)據(jù)集
        3.4.3 結(jié)果與分析
        3.4.4 案例分析
    3.5 本章小結(jié)
第四章 基于改進(jìn)LNB模型的加權(quán)網(wǎng)絡(luò)鏈接預(yù)測(cè)算法
    4.1 基于改進(jìn)LNB模型的加權(quán)網(wǎng)絡(luò)鏈接預(yù)測(cè)算法
        4.1.1 算法提出
        4.1.2 算法描述
    4.2 實(shí)驗(yàn)與分析
        4.2.1 實(shí)驗(yàn)環(huán)境
        4.2.2 數(shù)據(jù)集
        4.2.3 結(jié)果與分析
    4.3 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
在學(xué)期間的研究成果
致謝



本文編號(hào)：3544064