| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第17-23页 |
| 1.1 研究背景 | 第17-18页 |
| 1.2 研究目的与意义 | 第18-20页 |
| 1.2.1 研究目的 | 第18页 |
| 1.2.2 研究意义 | 第18-20页 |
| 1.3 本文研究内容 | 第20-21页 |
| 1.4 本文组织结构 | 第21-23页 |
| 第二章 社区发现与零模型相关研究综述 | 第23-37页 |
| 2.1 社交网络结构分析 | 第23-24页 |
| 2.1.1 静态结构特性 | 第23页 |
| 2.1.2 动态结构特性 | 第23-24页 |
| 2.2 社区发现与评价 | 第24-31页 |
| 2.2.1 社区定义 | 第24页 |
| 2.2.2 非重叠社区发现 | 第24-28页 |
| 2.2.3 重叠社区发现 | 第28-30页 |
| 2.2.4 社区评价 | 第30-31页 |
| 2.3 社交网络结构对信息传播的影响 | 第31-33页 |
| 2.3.1 Hub节点对信息传播的影响 | 第31-32页 |
| 2.3.2 度度相关性对信息传播的影响 | 第32页 |
| 2.3.3 网络连通性对信息传播的影响 | 第32-33页 |
| 2.4 零模型在社交网络分析中的应用 | 第33-35页 |
| 2.4.1 零模型概念 | 第33-34页 |
| 2.4.2 零模型与网络结构分析 | 第34-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第三章 基于最大团的重叠与层次社区发现 | 第37-49页 |
| 3.1 问题提出 | 第37-38页 |
| 3.2 最大团概述 | 第38-39页 |
| 3.3 算法思想 | 第39-41页 |
| 3.3.1 统一框架 | 第39页 |
| 3.3.2 耦合强度 | 第39-40页 |
| 3.3.3 社区质量目标函数 | 第40-41页 |
| 3.4 基于最大团的社区发现算法MOHCC | 第41-43页 |
| 3.4.1 算法MOHCC具体步骤 | 第41-42页 |
| 3.4.2 算法MOHCC时间复杂度分析 | 第42-43页 |
| 3.5 实验与分析 | 第43-48页 |
| 3.5.1 算法EAGLE中的实证网络 | 第43-44页 |
| 3.5.2 LFR基准网络 | 第44页 |
| 3.5.3 Zachary空手道俱乐部基准网络 | 第44-45页 |
| 3.5.4 宽吻海豚基准网络 | 第45-46页 |
| 3.5.5 论文合署社交网络 | 第46-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 基于三元组过滤的社区发现研究 | 第49-59页 |
| 4.1 问题提出 | 第49-50页 |
| 4.2 三元组过滤方法 (TPM) | 第50-52页 |
| 4.2.1 相关定义 | 第50页 |
| 4.2.2 TPM算法的动机 | 第50-52页 |
| 4.3 TPM算法 | 第52-54页 |
| 4.3.1 TPM算法时间复杂度分析 | 第53-54页 |
| 4.3.2 归属系数阈值估计 | 第54页 |
| 4.4 实验与分析 | 第54-58页 |
| 4.4.1 Zachary空手道俱乐部基准网络 | 第55-56页 |
| 4.4.2 Dolphins宽吻海豚基准网络实验 | 第56页 |
| 4.4.3 Facebook自我中心网络 | 第56-57页 |
| 4.4.4 NetScience论文合署社交网络 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 基于零模型的信息传播树结构分析及信息传播研究 | 第59-91页 |
| 5.1 研究概述 | 第59-61页 |
| 5.1.1 基于传染病模型的方法 | 第60-61页 |
| 5.1.2 基于树结构的信息传播研究 | 第61页 |
| 5.2 研究动机及思路 | 第61-63页 |
| 5.2.1 研究目的及动机 | 第61-62页 |
| 5.2.2 研究思路 | 第62-63页 |
| 5.3 信息传播树模型设计 | 第63-65页 |
| 5.3.1 信息传播树 | 第63-64页 |
| 5.3.2 相关定义 | 第64-65页 |
| 5.3.3 相关符号 | 第65页 |
| 5.4 信息传播树实验结果及分析 | 第65-70页 |
| 5.4.1 实验分析数据集 | 第65-66页 |
| 5.4.2 信息传播广度 | 第66-67页 |
| 5.4.3 信息传播深度 | 第67-68页 |
| 5.4.4 信息传播树节点出度分布 | 第68-69页 |
| 5.4.5 信息传播树社区特性 | 第69-70页 |
| 5.4.6 实证分析总结 | 第70页 |
| 5.5 信息传播树零模型 | 第70-78页 |
| 5.5.1 实证数据统计约束的0阶信息传播树零模型 | 第71-75页 |
| 5.5.2 随机断边重连的0阶信息传播树零模型 | 第75-76页 |
| 5.5.3 断边重连的2阶信息传播树零模型 | 第76-78页 |
| 5.6 实验与分析 | 第78-90页 |
| 5.6.1 实验数据 | 第79页 |
| 5.6.2 实验结果评估 | 第79-81页 |
| 5.6.3 IDT零模型实验结果及分析 | 第81-87页 |
| 5.6.4 社区结构与信息传播 | 第87-88页 |
| 5.6.5 不同主题的信息传播 | 第88-90页 |
| 5.7 本章小结 | 第90-91页 |
| 第六章 基于时权置乱零模型的信息传播树时权特性分析及信息传播研究 | 第91-103页 |
| 6.1 问题提出 | 第91-92页 |
| 6.2 问题分析 | 第92-93页 |
| 6.3 新浪微博信息传播树时权特性分析 | 第93-96页 |
| 6.3.1 相关概念与定义 | 第93-94页 |
| 6.3.2 新浪微博信息传播阵发性 | 第94-95页 |
| 6.3.3 新浪微博信息传播累积传播规模分布 | 第95-96页 |
| 6.4 时权置乱的信息传播树零模型 | 第96-98页 |
| 6.4.1 等权重连边置换零模型 | 第97页 |
| 6.4.2 节点时权随机置乱零模型 | 第97-98页 |
| 6.5 实验及分析 | 第98-101页 |
| 6.5.1 信息传播阵发性 | 第98-100页 |
| 6.5.2 信息传播规模 | 第100-101页 |
| 6.6 本章小结 | 第101-103页 |
| 第七章 总结与展望 | 第103-105页 |
| 7.1 工作总结 | 第103-104页 |
| 7.2 研究展望 | 第104-105页 |
| 参考文献 | 第105-115页 |
| 攻读博士学位期间取得的研究成果 | 第115-117页 |
| 致谢 | 第117-119页 |
| 答辩委员会对论文的评定意见 | 第119页 |
