面向时态图的频繁社区搜索算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 本文的主要工作 | 第10-12页 |
| 1.3 本文的组织结构 | 第12-13页 |
| 第2章 社区模型 | 第13-24页 |
| 2.1 传统社区模型 | 第13-15页 |
| 2.1.1 k-core模型 | 第13页 |
| 2.1.2 clique模型 | 第13-14页 |
| 2.1.3 k-truss模型 | 第14-15页 |
| 2.1.4 k边连通子图模型 | 第15页 |
| 2.2 社区分解算法 | 第15-20页 |
| 2.2.1 k-core分解算法 | 第15-17页 |
| 2.2.2 clique分解算法 | 第17-18页 |
| 2.2.3 k-truss分解算法 | 第18-19页 |
| 2.2.4 k边连通子图分解算法 | 第19-20页 |
| 2.3 频繁社区模型 | 第20-22页 |
| 2.3.1 时态图 | 第20-21页 |
| 2.3.2 k-star模型 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 面向时态图的社区搜索算法 | 第24-37页 |
| 3.1 时态图削减 | 第24-31页 |
| 3.1.1 度区间分解 | 第25-29页 |
| 3.1.2 邻居节点的动态更新 | 第29页 |
| 3.1.3 时态图削减算法 | 第29-31页 |
| 3.2 两个关键算法 | 第31-32页 |
| 3.3 剪枝算法 | 第32-34页 |
| 3.3.1 强邻居剪枝 | 第32-33页 |
| 3.3.2 虚度剪枝 | 第33-34页 |
| 3.4 社区搜索算法 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 实验结果与分析 | 第37-44页 |
| 4.1 效率测试 | 第38-42页 |
| 4.2 有效性测试 | 第42-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第5章 总结与展望 | 第44-45页 |
| 5.1 论文工作总结 | 第44页 |
| 5.2 研究工作展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-50页 |
| 攻读硕士学位期间的研究成果 | 第50页 |
