| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 引言 | 第7-11页 |
| 1.1 背景介绍 | 第7-8页 |
| 1.2 相关概念 | 第8-9页 |
| 1.2.1 社交网络中的社区 | 第8-9页 |
| 1.2.2 社交网络的数学表达 | 第9页 |
| 1.2.3 社区发现算法 | 第9页 |
| 1.3 本文组织架构 | 第9-11页 |
| 第二章 相关工作与背景知识 | 第11-16页 |
| 2.1 社区发现相关算法 | 第11-12页 |
| 2.2 基于标签传播的社区发现算法 | 第12-14页 |
| 2.3 社区质量评价指标 | 第14-16页 |
| 第三章 基于标签影响值的社区发现算法 | 第16-21页 |
| 3.1 算法思想 | 第16页 |
| 3.2 LIB社区发现算法 | 第16-19页 |
| 3.2.1 种子集合的选取 | 第17页 |
| 3.2.2 标签传播过程 | 第17-19页 |
| 3.2.3 社区生成算法LIB | 第19页 |
| 3.3 LIB算法时间复杂度 | 第19-21页 |
| 第四章 LIB算法实验验证 | 第21-28页 |
| 4.1 实验数据 | 第21页 |
| 4.1.1 基准数据集 | 第21页 |
| 4.1.2 抓取数据集 | 第21页 |
| 4.2 实验环境 | 第21-22页 |
| 4.3 实验评估方法 | 第22页 |
| 4.4 实验结果与分析 | 第22-28页 |
| 4.4.1 实验一 基于基准数据集的实验 | 第22-25页 |
| 4.4.2 实验二 基于抓取数据集的实验 | 第25-28页 |
| 第五章 基于标签影响向量的社区发现算法 | 第28-37页 |
| 5.1 算法提出背景 | 第28-30页 |
| 5.2 Label-Influence-Vector-Based社区发现算法 | 第30-33页 |
| 5.2.1 算法思想 | 第30-31页 |
| 5.2.2 标签影响向量的计算 | 第31-32页 |
| 5.2.3 标签影响向量的比较方式 | 第32页 |
| 5.2.4 社区生成算法LIVB | 第32-33页 |
| 5.3 LIVB算法时间复杂度 | 第33页 |
| 5.4 标签影响向量比较公式的传递性证明 | 第33-37页 |
| 5.4.1 问题定义 | 第33-34页 |
| 5.4.2 问题分析 | 第34页 |
| 5.4.3 分类详细证明 | 第34-37页 |
| 第六章 LIVB算法实验验证 | 第37-46页 |
| 6.1 实验数据 | 第37-38页 |
| 6.2 实验环境 | 第38页 |
| 6.3 实验评估方法 | 第38页 |
| 6.4 实验结果与分析 | 第38-46页 |
| 6.4.1 实验三 LIVB算法和LPA算法对比实验 | 第38-44页 |
| 6.4.2 实验四 LPA算法在不同类型图上的对比实验 | 第44-46页 |
| 第七章 总结与展望 | 第46-48页 |
| 7.1 论文总结 | 第46页 |
| 7.2 未来工作展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 附录一 硕士期间所发表的论文 | 第51-52页 |
| 致谢 | 第52-53页 |
