| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 研究意义 | 第15-16页 |
| 1.3 研究现状 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-20页 |
| 第二章 复杂网络处理相关技术及理论 | 第20-32页 |
| 2.1 爬虫技术 | 第20-22页 |
| 2.1.1 防止被Ban处理 | 第20-21页 |
| 2.1.2 模拟登录和Cookie处理 | 第21-22页 |
| 2.1.3 验证码处理 | 第22页 |
| 2.1.4 数据抽取技术 | 第22页 |
| 2.1.5 其他爬虫扩展技术 | 第22页 |
| 2.2 社区定义 | 第22-24页 |
| 2.2.1 社交网络特点 | 第23-24页 |
| 2.3 图论基础知识 | 第24-25页 |
| 2.4 传统的社区发现算法 | 第25-27页 |
| 2.4.1 GN算法 | 第25-26页 |
| 2.4.2 FN算法 | 第26页 |
| 2.4.3 KL算法 | 第26-27页 |
| 2.5 标签传播算法 | 第27-29页 |
| 2.6 社区质量评价 | 第29-31页 |
| 2.6.1 模块度 | 第29-30页 |
| 2.6.2 聚密度 | 第30页 |
| 2.6.3 聚类系数 | 第30-31页 |
| 2.6.4 互信息 | 第31页 |
| 2.7 本章小结 | 第31-32页 |
| 第三章 改进的标签传播算法 | 第32-44页 |
| 3.1 原始的标签传播算法存在的问题 | 第32-33页 |
| 3.2 基于节点相似度的标签传播算法 | 第33-36页 |
| 3.2.1 节点相似度 | 第33-34页 |
| 3.2.2 算法实现 | 第34-35页 |
| 3.2.3 算法分析 | 第35-36页 |
| 3.3 基于关键节点的标签传播算法 | 第36-43页 |
| 3.3.1 PageRank排序算法 | 第36-37页 |
| 3.3.2 简单PageRank计算 | 第37-39页 |
| 3.3.3 LeaderRank排序算法 | 第39-40页 |
| 3.3.4 简单LeaderRank计算 | 第40页 |
| 3.3.5 关键的K个节点的选择 | 第40-42页 |
| 3.3.6 标签传播的改进 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 实验及结果分析 | 第44-62页 |
| 4.1 实验相关数据集 | 第44-46页 |
| 4.1.1 真实网络数据集 | 第44-45页 |
| 4.1.2 人工抓取数据集 | 第45-46页 |
| 4.2 NSLPA结果分析 | 第46-52页 |
| 4.2.1 对dolphins数据集进行测试 | 第46页 |
| 4.2.2 对dolphins数据集模块度评价 | 第46-47页 |
| 4.2.3 对dolphins数据集聚密度评价 | 第47-49页 |
| 4.2.4 对football、lesmis、polbooks数据集进行测试 | 第49-51页 |
| 4.2.5 NSLPA对豆瓣数据集测试和评价 | 第51-52页 |
| 4.3 KNLPA结果分析 | 第52-60页 |
| 4.3.1 对dolphins等数据集的测试 | 第53-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第五章 工作总结与展望 | 第62-64页 |
| 5.1 主要工作 | 第62-63页 |
| 5.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68页 |