| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-12页 |
| ·社交网络社区划分算法的研究现状及发展趋势 | 第12-14页 |
| ·本文主要内容 | 第14-15页 |
| ·本文组织结构 | 第15-16页 |
| 第2章 社交网络社区结构概述 | 第16-25页 |
| ·引言 | 第16页 |
| ·社交网络的基本概念 | 第16-19页 |
| ·基本表示 | 第17-18页 |
| ·网络的度及其分布 | 第18页 |
| ·网络的聚类系数 | 第18-19页 |
| ·社区结构的基本概念与基本特性 | 第19-22页 |
| ·社区结构的基本概念 | 第19-20页 |
| ·社区结构的基本特性 | 第20-22页 |
| ·社区结构的划分算法 | 第22-24页 |
| ·谱聚类算法 | 第22页 |
| ·图分割算法 | 第22页 |
| ·分割式聚类算法 | 第22页 |
| ·分层聚类算法 | 第22-23页 |
| ·其他算法分类 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于紧密系数的社区划分算法 | 第25-32页 |
| ·引言 | 第25页 |
| ·相关算法研究 | 第25-27页 |
| ·算法描述及分析 | 第27-31页 |
| ·算法相关定义 | 第27页 |
| ·目标函数说明及相关知识 | 第27-29页 |
| ·基于紧密系数的算法描述 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 基于模块度和最大分裂的重叠社区结构发现算法 | 第32-41页 |
| ·引言 | 第32页 |
| ·相关算法 | 第32-33页 |
| ·相关定义与说明 | 第33-35页 |
| ·模块度函数 | 第33-34页 |
| ·边介数 | 第34页 |
| ·点介数 | 第34-35页 |
| ·算法描述 | 第35-40页 |
| ·算法思想 | 第35页 |
| ·Newman 提出的基于模块度函数的社区划分算法 | 第35-36页 |
| ·改进的 Newman 非重叠社区划分算法 | 第36-37页 |
| ·算法的详细描述 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 实验与评价 | 第41-49页 |
| ·实验环境及实验工具 | 第41页 |
| ·实验环境 | 第41页 |
| ·实验工具介绍 | 第41页 |
| ·基于紧密系数的社区划分验证 | 第41-45页 |
| ·Zachary 俱乐部数据集 | 第41-43页 |
| ·美国高校橄榄球联赛 | 第43-45页 |
| ·重叠社区发现算法验证及分析 | 第45-48页 |
| ·人造数据集结果分析 | 第45-47页 |
| ·Zachary 俱乐部数据集 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 作者简介 | 第55页 |