基于链路预测的推荐系统 原理、模型与算法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

基于链路预测的推荐系统 原理、模型与算法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1部分 基础知识3

第1章 绪论3

1.1 研究背景3

1.1.1 推荐系统的发展现状及特征分析3

1.1.2 推荐系统的国内外研究现状7

1.2 相关理论基础10

1.2.1 复杂网络理论基础10

1.2.2 链路预测理论13

1.2.3 基于链路预测的协同推荐理论13

1.3 复杂网络下基于链路预测推荐所面临的问题及研究意义14

1.3.1 面临的问题14

1.3.2 研究意义17

1.4 研究思路17

1.5 本书的主要内容18

本章参考文献21

第2部分 复杂网络上的链路预测方法29

第2章 网络分析软件Pajek29

2.1 Pajek软件介绍29

2.1.1 高速计算30

2.1.2 可视化30

2.1.3 抽象化30

2.2 Pajek软件使用基础30

2.3 Pajek软件分析网络属性32

2.3.1 度的计算33

2.3.2 两点间的距离33

2.3.3 k近邻34

2.3.4 聚类系数35

2.4 Pajek软件抽取极大连通子图36

2.5 Pajek软件网络画图36

2.5.1 绘制复杂网络图36

2.5.2 绘制不同类节点的复杂网络图37

2.5.3 绘制不同大小节点的复杂网络图38

2.5.4 绘制不同权值边的复杂网络图38

2.6 网络文件.net简介38

2.6.1 Pajek网络文件的一般结构39

2.6.2 具体参数的意义和取值39

2.6.3 文件举例41

2.7 本章小结43

本章参考文献44

第3章 基于相似性的链路预测研究45

3.1 链路预测的研究方法45

3.2 链路预测的典型研究成果45

3.3 链路预测的实验数据46

3.4 链路预测的实验方法47

3.4.1 数据集划分方法47

3.4.2 链路预测的度量指标47

3.5 链路预测重要代码讲解48

3.5.1 数据集划分代码讲解48

3.5.2 关键测试指标代码讲解51

3.6 基于拓扑相似性链路预测的思考53

3.7 本章小结53

本章参考文献53

第4章 基于弱关系的链路预测算法56

4.1 研究背景56

4.2 问题描述56

4.3 基于弱关系的优化链路预测模型57

4.3.1 CN算法、AA算法和RA算法介绍57

4.3.2 改进优化算法模型58

4.4 实验结果与分析59

4.4.1 数据集59

4.4.2 度量指标60

4.4.3 结果与分析60

4.5 本章小结63

4.6 研究思考64

本章参考文献64

第5章 基于路径异构性的链路预测算法66

5.1 研究背景66

5.2 问题描述67

5.3 基于路径异构性的链路预测建模67

5.3.1 SP模型68

5.3.2 对比算法69

5.4 实验结果与分析70

5.4.1 数据集70

5.4.2 评估准则71

5.4.3 结果与分析71

5.5 本章小结74

5.6 研究思考74

本章参考文献75

第6章 基于端点影响力的链路预测算法80

6.1 研究背景80

6.2 问题描述81

6.3 基于端点影响力建立链路预测模型82

6.3.1 EP模型82

6.3.2 对比算法83

6.4 实验结果与分析84

6.4.1 数据集84

6.4.2 评估准则86

6.4.3 结果与分析86

6.5 本章小结90

6.6 研究思考91

本章参考文献91

第3部分 基于链路预测的推荐算法研究99

第7章 推荐模型的研究方法99

7.1 推荐模型常见研究方法99

7.2 基于链路预测的推荐模型研究方法100

7.3 推荐技术的典型研究成果101

7.4 推荐技术的研究数据介绍101

7.5 推荐实验方法102

7.5.1 数据集划分方法102

7.5.2 推荐算法的度量指标102

7.6 推荐算法重要代码讲解104

7.6.1 数据集划分代码讲解105

7.6.2 推荐算法关键指标代码讲解108

7.7 基于二部图推荐算法的研究思路111

7.8 本章小结112

本章参考文献112

第8章 基于修正相似性的协作推荐算法114

8.1 研究背景114

8.2 问题描述115

8.3 基于修正相似性的推荐算法CSI116

8.3.1 基于二部图网络的经典相似性算法117

8.3.2 相似性修正模型CSI117

8.3.3 对比算法118

8.4 实验结果与分析119

8.4.1 数据集120

8.4.2 评价准则120

8.4.3 结果与分析122

8.5 本章小结125

8.6 研究思考126

本章参考文献126

第9章 基于一致性的协作推荐算法131

9.1 研究背景131

9.2 问题描述132

9.3 基于一致性的推荐算法CBI133

9.3.1 基于网络的因果性推荐算法NBI134

9.3.2 基于一致性的推荐算法CBI和UCBI134

9.3.3 对比算法135

9.4 实验结果与分析136

9.4.1 数据集137

9.4.2 评价准则137

9.4.3 结果与分析139

9.5 本章小结143

9.6 研究思考144

本章参考文献144

第10章 基于一致性冗余删除的协作推荐算法148

10.1 研究背景148

10.2 问题描述148

10.3 修正冗余删除推荐算法149

10.3.1 相似性估计偏差现象149

10.3.2 相似性冗余问题150

10.3.3 修正冗余删除相似性指标CRE150

10.3.4 对比算法151

10.4 实验结果与分析153

10.4.1 数据集153

10.4.2 评价准则154

10.4.3 结果与分析156

10.5 本章小结160

10.6 研究思考161

本章参考文献161

第11章 一致性下基于惩罚过度扩散的推荐算法165

11.1 研究背景165

11.2 问题描述166

11.3 对称和过度扩散惩罚算法模型166

11.3.1 非对称扩散问题167

11.3.2 扩散冗余问题168

11.3.3 基于对称的过度扩散惩罚模型169

11.3.4 对比算法170

11.4 实验结果与分析172

11.4.1 数据集172

11.4.2 评价准则172

11.4.3 结果与分析174

11.5 本章小结178

11.6 研究思考178

本章参考文献179

第4部分 总结与未来展望185

第12章 总结和展望185

12.1 总结185

12.2 未来研究展望188