| 中文摘要 | 第8-10页 |
| 英文摘要 | 第10-11页 |
| 符号说明 | 第12-14页 |
| 1 绪论 | 第14-23页 |
| 1.1 节点重要性问题 | 第14页 |
| 1.2 研究背景与研究意义 | 第14-15页 |
| 1.3 节点重要性问题的经典算法 | 第15-20页 |
| 1.3.1 度中心性 | 第15-16页 |
| 1.3.2 接近中心性 | 第16-17页 |
| 1.3.3 介数中心性 | 第17页 |
| 1.3.4 PageRank算法 | 第17-19页 |
| 1.3.5 LeaderRank算法 | 第19页 |
| 1.3.6 Pro-PageRank算法 | 第19-20页 |
| 1.4 节点重要性算法评价标准 | 第20-21页 |
| 1.4.1 SIR模型 | 第20-21页 |
| 1.4.2 Kendall相关系数 | 第21页 |
| 1.5 本文结构及创新点 | 第21-23页 |
| 2 DPRank centrality:一种基于新随机游走规则的重要节点寻找算法 | 第23-40页 |
| 2.1 基本知识 | 第23-25页 |
| 2.2 DPRank centrality算法 | 第25-27页 |
| 2.3 DPRank centrality算法流程 | 第27-28页 |
| 2.4 应用和试验 | 第28-36页 |
| 2.4.1 数据集2-1:伊斯兰祈祷团2002年巴厘岛恐怖袭击网络 | 第31-32页 |
| 2.4.2 数据集2-2:Zachary空手道俱乐部网络 | 第32-34页 |
| 2.4.3 数据集2-3:911袭击事件网络 | 第34-35页 |
| 2.4.4 数据集2-4:Freeman的EIES网络 | 第35-36页 |
| 2.4.5 更多数据集 | 第36页 |
| 2.5 本章小结 | 第36-40页 |
| 3 ECP-Rank centrality:一种基于随机游走和边重要性指标的重要节点寻找算法 | 第40-54页 |
| 3.1 一些经典的边中心性指标 | 第40-41页 |
| 3.2 ECP-Rank centrality算法 | 第41-43页 |
| 3.3 应用和试验 | 第43-48页 |
| 3.3.1 数据集3-1: 一个简单的小例子 | 第43-44页 |
| 3.3.2 数据集3-2:伊斯兰祈祷团2002年巴厘岛恐怖袭击网络 | 第44页 |
| 3.3.3 数据集3-3: Zachary空手道俱乐部网络 | 第44-45页 |
| 3.3.4 数据集3-4:悲惨世界网络 | 第45页 |
| 3.3.5 数据集3-5: Kapferer矿井网络 | 第45-46页 |
| 3.3.6 更多数据集 | 第46-48页 |
| 3.4 本章小结 | 第48-54页 |
| 4 结论与展望 | 第54-56页 |
| 4.1 结论 | 第54页 |
| 4.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 作者简介 | 第61-62页 |
| 学位论文评阅及答辩情况表 | 第62页 |
