| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 引言 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要工作 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 第二章 社会网络与社团发现算法概述 | 第13-27页 |
| 2.1 社会网络概述 | 第13-15页 |
| 2.1.1 社会网络的发展过程 | 第13-14页 |
| 2.1.2 社会网络的表示方法 | 第14-15页 |
| 2.2 社会网络的统计特性和演化模型 | 第15-20页 |
| 2.2.1 统计特性 | 第15-17页 |
| 2.2.2 演化模型 | 第17-20页 |
| 2.3 经典的社团发现算法 | 第20-25页 |
| 2.3.1 图分割算法 | 第20-22页 |
| 2.3.2 层次聚类算法 | 第22-25页 |
| 2.4 社团划分结果的度量指标 | 第25-26页 |
| 2.4.1 模块度函数Q | 第25-26页 |
| 2.4.2 标准化互信息NMI | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于节点相似度的社团发现算法NSCDA设计 | 第27-40页 |
| 3.1 划分式聚类的思想与算法分析 | 第27-28页 |
| 3.2 节点相似度度量方法设计 | 第28-33页 |
| 3.2.1 常用节点相似度度量方法分析 | 第29-31页 |
| 3.2.2 本文采用的节点相似度度量方法 | 第31-33页 |
| 3.3 基于节点相似度的社团发现算法NSCDA的描述与分析 | 第33-35页 |
| 3.3.1 NSCDA算法基本思想 | 第33页 |
| 3.3.2 NSCDA算法流程图 | 第33页 |
| 3.3.3 NSCDA算法描述 | 第33-34页 |
| 3.3.4 NSCDA算法时间复杂度分析 | 第34-35页 |
| 3.4 NSCDA算法测试实验与结果分析 | 第35-39页 |
| 3.4.1 实验数据及环境 | 第35页 |
| 3.4.2 基于人工合成网络的实验 | 第35-36页 |
| 3.4.3 基于真实社会网络的实验 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于标签权重系数的社团发现算法研究 | 第40-53页 |
| 4.1 标签传播算法LPA算法分析 | 第40-43页 |
| 4.2 LWC算法设计与分析 | 第43-46页 |
| 4.2.1 LWC算法基本思想 | 第43-45页 |
| 4.2.2 LWC算法描述 | 第45-46页 |
| 4.2.3 LWC算法时间复杂度分析 | 第46页 |
| 4.3 LWC算法测试实验与结果分析 | 第46-52页 |
| 4.3.1 实验环境与数据集 | 第46-47页 |
| 4.3.2 权重参数 α，β 的选取 | 第47-49页 |
| 4.3.3 实验结果与分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第58-59页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第59-60页 |
| 致谢 | 第60页 |