大规模社会网络的社区发现方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-11页 |
| 第一章 引言 | 第11-15页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·研究内容 | 第13页 |
| ·实验数据介绍 | 第13-14页 |
| ·本文组织结构 | 第14-15页 |
| 第二章 网络社区发现概述 | 第15-25页 |
| ·社会网络结构和特点 | 第15页 |
| ·聚类 | 第15-17页 |
| ·常用聚类算法 | 第17-20页 |
| ·划分方法 | 第17-18页 |
| ·层次方法 | 第18-19页 |
| ·基于密度的方法 | 第19页 |
| ·基于模型的方法 | 第19页 |
| ·小结 | 第19-20页 |
| ·社区发现算法概述 | 第20-21页 |
| ·K-L算法 | 第20页 |
| ·G-N方法 | 第20-21页 |
| ·Radicchi算法 | 第21页 |
| ·小结 | 第21页 |
| ·CNM算法 | 第21-24页 |
| ·算法思想 | 第22-23页 |
| ·主要数据结构 | 第23页 |
| ·算法步骤 | 第23-24页 |
| ·小结 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 大规模网络社区发现方法的设计 | 第25-43页 |
| ·大规模网络社区 | 第25页 |
| ·理论基础 | 第25-29页 |
| ·小社区稳定性 | 第25-26页 |
| ·小世界性质 | 第26页 |
| ·个体中心性 | 第26-27页 |
| ·双向联系 | 第27-29页 |
| ·小结 | 第29页 |
| ·社区客观性评价 | 第29-33页 |
| ·模块度 | 第29-30页 |
| ·局部模块度 | 第30-33页 |
| ·小结 | 第33页 |
| ·数据集预处理 | 第33-34页 |
| ·基于局部模块度的大规模社区发现 | 第34-42页 |
| ·预处理 | 第34-36页 |
| ·发现底层的稳定小社区 | 第36-38页 |
| ·重新构筑网络 | 第38-40页 |
| ·聚类过程 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 大规模网络社区发现的实践 | 第43-53页 |
| ·实验数据简介 | 第43-44页 |
| ·KDD-Cup数据集结果 | 第44-49页 |
| ·CNM算法结果 | 第44-45页 |
| ·底层社区发现+CNM算法结果 | 第45-47页 |
| ·底层社区发现+聚类 | 第47-49页 |
| ·聚类过程中的层次结构 | 第49页 |
| ·小结 | 第49页 |
| ·LiveJournal数据集的社区发现结果 | 第49-50页 |
| ·评价和解释所发现的社区 | 第50-52页 |
| ·对KDD-Cup社区进行解释 | 第50-51页 |
| ·Facebook的社区的解释 | 第51-52页 |
| ·小结 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结 | 第53-55页 |
| ·已完成工作总结 | 第53页 |
| ·今后的研究展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 发表文章目录 | 第59-61页 |
| 致谢 | 第61-62页 |
| 详细摘要 | 第62-64页 |
