| 致谢 | 第8-9页 |
| 摘要 | 第9-11页 |
| Abstract | 第11-12页 |
| 第一章 绪论 | 第18-26页 |
| 1.1 社交网络群体行为 | 第18-20页 |
| 1.2 群体行为分类 | 第20-21页 |
| 1.3 社交网络用户影响力分析 | 第21-22页 |
| 1.4 社交网络群体行为分类研究面临的挑战 | 第22-23页 |
| 1.5 课题来源与主要研究内容 | 第23-25页 |
| 1.5.1 课题来源 | 第23页 |
| 1.5.2 主要研究内容 | 第23-24页 |
| 1.5.3 内容组织 | 第24-25页 |
| 1.6 小结 | 第25-26页 |
| 第二章 社交网络群体行为分类研究综述 | 第26-40页 |
| 2.1 群体行为分类的内容 | 第26-27页 |
| 2.2 基于关系分类模型的群体行为分类 | 第27-29页 |
| 2.3 基于社会维度的群体行为分类 | 第29-32页 |
| 2.4 结合社会维度和关系分类模型的群体行为分类方法 | 第32-34页 |
| 2.5 群体行为分类中的种子节点选取和核心网络发现 | 第34-39页 |
| 2.5.1 种子节点选取 | 第34-35页 |
| 2.5.2 核心网络发现 | 第35-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第三章 基于多阶邻居的网络环境下多标签分类方法研究 | 第40-51页 |
| 3.1 引言 | 第40-41页 |
| 3.2 问题定义 | 第41-42页 |
| 3.3 MORN算法 | 第42-45页 |
| 3.3.1 二阶邻居发现 | 第42-44页 |
| 3.3.2 高阶邻居发现 | 第44-45页 |
| 3.4 实验 | 第45-49页 |
| 3.4.1 数据集 | 第45-46页 |
| 3.4.2 度量标准 | 第46-47页 |
| 3.4.3 实验结果与分析 | 第47-49页 |
| 3.5 小结 | 第49-51页 |
| 第四章 基于节点与标签关联的多标签关系分类方法研究 | 第51-70页 |
| 4.1 引言 | 第51-55页 |
| 4.2 问题定义 | 第55-56页 |
| 4.3 基于聚类分析的多标签关系分类方法(MCCA) | 第56-60页 |
| 4.3.1 计算聚合类别概率(Aggregated Class Probability) | 第56-57页 |
| 4.3.2 挖掘相似节点 | 第57-58页 |
| 4.3.3 计算节点间的权重 | 第58-59页 |
| 4.3.4 MCCA算法 | 第59-60页 |
| 4.4 实验 | 第60-68页 |
| 4.4.1 实验数据 | 第60-61页 |
| 4.4.2 评价准则 | 第61页 |
| 4.4.3 实验设置 | 第61-62页 |
| 4.4.4 分类结果 | 第62-65页 |
| 4.4.5 不同的参数设置对算法的影响 | 第65-68页 |
| 4.4.6 实验结果讨论 | 第68页 |
| 4.5 总结 | 第68-70页 |
| 第五章 区分同伴影响和个性偏好的群体行为分类方法研究 | 第70-84页 |
| 5.1 引言 | 第70-71页 |
| 5.2 问题定义 | 第71-73页 |
| 5.3 估计同伴影响和个性偏好的权重 | 第73-75页 |
| 5.4 计算类别成员概率 | 第75-79页 |
| 5.4.1 计算由同伴影响决定的类别成员概率 | 第76页 |
| 5.4.2 计算由个性偏好决定的类别成员概率 | 第76-77页 |
| 5.4.3 计算总体类别成员概率 | 第77-79页 |
| 5.5 实验 | 第79-82页 |
| 5.5.1 实验数据与实验设置 | 第79-80页 |
| 5.5.2 MCCP算法的分类结果与讨论 | 第80页 |
| 5.5.3 MCPP算法在不同γ值下的分类精度 | 第80-82页 |
| 5.6 小结 | 第82-84页 |
| 第六章 结束语 | 第84-87页 |
| 6.1 主要研究工作 | 第84-85页 |
| 6.2 下一步工作 | 第85-87页 |
| 参考文献 | 第87-97页 |
| 攻读博士学位期间参加研究的课题和发表的论文 | 第97页 |
