| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 课题背景 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 国外研究现状 | 第14-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 论文研究问题的提出 | 第17页 |
| 1.4 论文的组织结构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 社交网络 | 第19-43页 |
| 2.1 社交网络 | 第19-24页 |
| 2.1.1 社交网络的基本概念 | 第19-21页 |
| 2.1.2 社交网络的理论基础 | 第21-22页 |
| 2.1.3 社交网络的发展 | 第22-24页 |
| 2.2 社区发现 | 第24-33页 |
| 2.2.1 节点相似性度量 | 第24-27页 |
| 2.2.2 递归叠瓦算法 | 第27-33页 |
| 2.3 技术知识 | 第33-42页 |
| 2.3.1 Python语言 | 第33-36页 |
| 2.3.2 Python IDLE | 第36-38页 |
| 2.3.3 Gephi | 第38-41页 |
| 2.3.4 JSON | 第41-42页 |
| 2.4 本章小结 | 第42-43页 |
| 第三章 社交网络分析关键技术 | 第43-55页 |
| 3.1 实验数据准备 | 第43-47页 |
| 3.1.1 Scrapy环境配置 | 第43-44页 |
| 3.1.2 数据抓取 | 第44-47页 |
| 3.2 社交网络基础分析实验 | 第47-54页 |
| 3.2.1 验证性分析 | 第47-50页 |
| 3.2.2 节点分析 | 第50-54页 |
| 3.3 本章小结 | 第54-55页 |
| 第四章 “递归叠瓦算法”的改进和“NCNC”的提出 | 第55-65页 |
| 4.1 递归叠瓦算法的缺点发现 | 第55-58页 |
| 4.1.1 发现缺点的实验 | 第55-57页 |
| 4.1.2 原因分析 | 第57页 |
| 4.1.3 分析结果验证实验 | 第57-58页 |
| 4.2 算法的改进——添加环境结点 | 第58-59页 |
| 4.3 正确性测试 | 第59-60页 |
| 4.4 改进算法的参数k的测试 | 第60-61页 |
| 4.5 改进算法的优势 | 第61页 |
| 4.6 NCNC方法 | 第61-63页 |
| 4.7 小结 | 第63-65页 |
| 第五章 总结和展望 | 第65-67页 |
| 5.1 总结 | 第65页 |
| 5.2 展望 | 第65-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |