| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7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 |
| 1.3 研究问题及主要工作 | 第17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 社交网络相关理论及相关技术 | 第19-41页 |
| 2.1 社交网络相关理论 | 第19-26页 |
| 2.1.1 网络的基本概念 | 第19-23页 |
| 2.1.2 社交网络的简介 | 第23-25页 |
| 2.1.3 社交网络特性 | 第25-26页 |
| 2.2 社交网络中的社区发现 | 第26-28页 |
| 2.2.1 社区的基本定义 | 第26页 |
| 2.2.2 社区发现 | 第26-27页 |
| 2.2.3 社区结构的评价标准 | 第27-28页 |
| 2.3 经典社区发现算法 | 第28-35页 |
| 2.3.1 Kernigan-Lin算法以及GN算法 | 第29-30页 |
| 2.3.2 LPA以及基于LPA衍生的算法 | 第30-34页 |
| 2.3.3 HITS算法以及PageRank算法 | 第34-35页 |
| 2.4 技术知识 | 第35-40页 |
| 2.4.1 Python | 第35-36页 |
| 2.4.2 Gephi | 第36-39页 |
| 2.4.3 Gnuplot | 第39-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 基于多维属性的LAAPA社区发现算法 | 第41-51页 |
| 3.1 标签传播算法 | 第41-42页 |
| 3.1.1 算法详细介绍 | 第41页 |
| 3.1.2 算法的不足 | 第41-42页 |
| 3.2 LAAPA算法提出的基础 | 第42-43页 |
| 3.2.1 在线社交网络中节点的多维属性 | 第42-43页 |
| 3.2.2 节点的多维属性参与标签的传播 | 第43页 |
| 3.3 LAAPA算法的实现过程 | 第43-46页 |
| 3.3.1 数据的初始化 | 第43页 |
| 3.3.2 标签的传播过程 | 第43-45页 |
| 3.3.3 社区发现算法LAAPA | 第45-46页 |
| 3.4 LAAPA算法时间复杂度 | 第46页 |
| 3.5 验证性实验 | 第46-50页 |
| 3.5.1 实验数据集 | 第46页 |
| 3.5.2 算法评价 | 第46-47页 |
| 3.5.3 实验结果与分析 | 第47-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 抓取数据的实验与分析 | 第51-61页 |
| 4.1 实验数据准备 | 第51-55页 |
| 4.1.1 数据抓取 | 第52-53页 |
| 4.1.2 数据处理 | 第53-55页 |
| 4.2 抓取数据的质量 | 第55-57页 |
| 4.2.1 数据度的分布验证 | 第55页 |
| 4.2.2“小世界”验证 | 第55-56页 |
| 4.2.3 节点分析 | 第56-57页 |
| 4.3 实验结果 | 第57-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 总结和展望 | 第61-63页 |
| 5.1 总结 | 第61页 |
| 5.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |