| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 符号网络国内外研究现状 | 第13-14页 |
| 1.2.2 社区发现研究现状 | 第14-18页 |
| 1.3 本文研究内容 | 第18-19页 |
| 1.4 本文结构 | 第19-20页 |
| 第2章 符号网络社区发现理论基础 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 符号网络 | 第20-25页 |
| 2.2.1 符号网络定义 | 第20-21页 |
| 2.2.2 结构平衡理论 | 第21-23页 |
| 2.2.3 符号网络的特征量 | 第23-25页 |
| 2.3 符号网络社区发现 | 第25-32页 |
| 2.3.1 社区结构 | 第25-27页 |
| 2.3.2 相似度指标 | 第27-29页 |
| 2.3.3 评价指标 | 第29-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第3章 TFCRA——两阶段融合符号网络社区发现算法 | 第34-50页 |
| 3.1 引言 | 第34页 |
| 3.2 问题分析 | 第34-36页 |
| 3.2.1 CRA算法主要思想 | 第34-35页 |
| 3.2.2 CRA算法存在的问题 | 第35-36页 |
| 3.3 两阶段融合社区发现算法 | 第36-41页 |
| 3.3.1 相关定义和定理 | 第37-38页 |
| 3.3.2 TFCRA算法描述 | 第38-41页 |
| 3.3.3 TFCRA算法 | 第41页 |
| 3.4 实验结果及分析 | 第41-49页 |
| 3.4.1 实验环境及数据集 | 第41-42页 |
| 3.4.2 典型数据集实验 | 第42-46页 |
| 3.4.3 实验分析 | 第46-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 基于共同邻居的符号网络社区发现算法 | 第50-76页 |
| 4.1 引言 | 第50页 |
| 4.2 基于相似度的符号网络社区发现算法 | 第50-60页 |
| 4.2.1 相关定义 | 第50-51页 |
| 4.2.2 BNS_SNCD社区发现算法 | 第51-55页 |
| 4.2.3 典型数据集实验 | 第55-60页 |
| 4.3 基于共同邻居紧密度的符号网络社区发现算法 | 第60-69页 |
| 4.3.1 相关定义 | 第60-62页 |
| 4.3.2 BTCN_SNCD社区发现算法 | 第62-65页 |
| 4.3.3 典型数据集实验 | 第65-69页 |
| 4.4 实验对比 | 第69-73页 |
| 4.4.1 NMI值对比 | 第69-71页 |
| 4.4.2 signQ值对比 | 第71-72页 |
| 4.4.3 运行时间对比 | 第72-73页 |
| 4.5 本章小结 | 第73-76页 |
| 第5章 基于结构平衡理论和相似度的符号网络社区发现算法 | 第76-96页 |
| 5.1 引言 | 第76页 |
| 5.2 基于结构平衡和相似度的符号网络社区发现算法 | 第76-84页 |
| 5.2.1 相关定义和定理 | 第76-79页 |
| 5.2.2 SBTNS_SNCD算法描述 | 第79-82页 |
| 5.2.3 SBTNS_SNCD算法 | 第82-84页 |
| 5.3 实验结果及分析 | 第84-94页 |
| 5.3.1 典型数据集实验 | 第84-89页 |
| 5.3.2 实验对比 | 第89-94页 |
| 5.4 本章小结 | 第94-96页 |
| 第6章 符号网络重叠社区发现算法 | 第96-108页 |
| 6.1 引言 | 第96页 |
| 6.2 问题分析 | 第96-97页 |
| 6.3 符号网络重叠社区发现算法 | 第97-102页 |
| 6.3.1 相关定义和理论基础 | 第97-98页 |
| 6.3.2 SNOCD算法描述 | 第98-99页 |
| 6.3.3 SNOCD算法 | 第99-100页 |
| 6.3.4 算法实例 | 第100-102页 |
| 6.4 实验结果及分析 | 第102-107页 |
| 6.4.1 基准网络实验 | 第102-106页 |
| 6.4.2 实验分析 | 第106-107页 |
| 6.5 本章小结 | 第107-108页 |
| 结论 | 第108-110页 |
| 参考文献 | 第110-120页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第120-122页 |
| 致谢 | 第122页 |
