| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| Contents | 第9-11页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 社会网络概述 | 第11-18页 |
| 1.1.1 研究背景与意义 | 第11-13页 |
| 1.1.2 演化社会网络的定义 | 第13-16页 |
| 1.1.3 演化社会网络分析的相关问题 | 第16页 |
| 1.1.4 朴素的演化社会网络分析方法 | 第16-18页 |
| 1.2 论文主要工作 | 第18-21页 |
| 1.2.1 论文研究方法 | 第19页 |
| 1.2.2 论文主要贡献 | 第19页 |
| 1.2.3 论文结构 | 第19-21页 |
| 第二章 演化社会网络的分析框架 | 第21-32页 |
| 2.1 问题定义 | 第21-24页 |
| 2.1.1 符号与概念 | 第21-22页 |
| 2.1.2 关联强度的因子模型 | 第22-24页 |
| 2.1.3 目标函数的优化 | 第24页 |
| 2.2 算法与分析 | 第24-27页 |
| 2.2.1 数据格式 | 第25页 |
| 2.2.2 Event-Detect算法 | 第25-27页 |
| 2.3 实验与结果 | 第27-31页 |
| 2.3.1 随机生成数据集 | 第27-28页 |
| 2.3.2 VAST08数据集 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 演化社会网络的关联模型 | 第32-49页 |
| 3.1 问题定义 | 第32-38页 |
| 3.1.1 朴素的网络关联模型 | 第33-35页 |
| 3.1.2 基于概率的网络关联模型 | 第35-38页 |
| 3.2 算法与分析 | 第38-44页 |
| 3.2.1 关联模型的概率转换 | 第40-42页 |
| 3.2.2 Prob-Event-Detect算法 | 第42-44页 |
| 3.3 实验与结果 | 第44-47页 |
| 3.3.1 VAST08数据集 | 第44页 |
| 3.3.2 Enron数据集 | 第44-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第四章 演化社会网络的社团划分 | 第49-64页 |
| 4.1 问题定义 | 第49-55页 |
| 4.1.1 社会网络的社团划分 | 第49-53页 |
| 4.1.2 演化社会网络的社团划分 | 第53-55页 |
| 4.2 算法与分析 | 第55-59页 |
| 4.2.1 期望概率编辑距离的计算 | 第55-56页 |
| 4.2.2 Prob-Cluster-Detect算法 | 第56-59页 |
| 4.3 实验与结果 | 第59-63页 |
| 4.3.1 随机生成的数据集 | 第60-62页 |
| 4.3.2 VAST08数据集 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 结论与展望 | 第64-69页 |
| 5.1 工作总结 | 第65-66页 |
| 5.2 研究展望 | 第66-69页 |
| 5.2.1 演化社会网络的时空模型 | 第66-67页 |
| 5.2.2 扩展的演化社会网络关联强度 | 第67页 |
| 5.2.3 基于关系的演化社会网络的分析 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75页 |