| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文主要工作 | 第11-12页 |
| 1.4 本文组织结构 | 第12-15页 |
| 2 有向社交网络中社区发现相关技术简介 | 第15-25页 |
| 2.1 有向社交网络的介绍 | 第15-20页 |
| 2.1.1 有向社交网络的含义 | 第15页 |
| 2.1.2 有向社交网络的表示 | 第15-17页 |
| 2.1.3 有向社交网络的特征 | 第17-20页 |
| 2.2 社区及社区发现的含义 | 第20-21页 |
| 2.3 社区结构的特征 | 第21页 |
| 2.4 社区结构的度量标准 | 第21-23页 |
| 2.4.1 聚类纯度 | 第21-22页 |
| 2.4.2 标准化互信息 | 第22页 |
| 2.4.3 模块度 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 3 基于启发式的局部搜索社区发现算法 | 第25-37页 |
| 3.1 社区发现相关启发式思想的理论支撑 | 第25-26页 |
| 3.1.1 六度传播模式简介 | 第25页 |
| 3.1.2 三元闭包理论简介 | 第25-26页 |
| 3.2 社区发现相关问题探究 | 第26-30页 |
| 3.2.1 有向社交网络中心节点选取研究 | 第26-27页 |
| 3.2.2 有向社交网络中初始社区子团发现研究 | 第27-29页 |
| 3.2.3 局部搜索规则研究 | 第29-30页 |
| 3.3 基于启发式的局部搜索社区发现NSRC算法 | 第30-32页 |
| 3.3.1 算法描述 | 第30-31页 |
| 3.3.2 算法NSRC时空开销分析 | 第31-32页 |
| 3.4 算法实验结果对比与分析 | 第32-36页 |
| 3.4.1 实验运行环境简介 | 第32-33页 |
| 3.4.2 实验数据集 | 第33-34页 |
| 3.4.3 实验结果对比分析 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 有向社交网络社区发现算法的应用 | 第37-43页 |
| 4.1 社区发现算法相关典型应用介绍 | 第37-39页 |
| 4.1.1 广告推送 | 第37-38页 |
| 4.1.2 信息排序 | 第38页 |
| 4.1.3 好友推荐 | 第38-39页 |
| 4.2 博客推荐的应用场景描述 | 第39-40页 |
| 4.3 基于博主社交关系的博客推荐算法 | 第40-41页 |
| 4.3.1 PageRank算法简介 | 第40页 |
| 4.3.2 计算博主影响力的PeopleRank算法 | 第40-41页 |
| 4.4 融合社区发现和博主影响力的联合博客推荐算法 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 5 博客推荐系统设计与实现 | 第43-51页 |
| 5.1 博客推荐系统需求分析 | 第43页 |
| 5.2 博客推荐系统总体设计 | 第43-45页 |
| 5.2.1 博客推荐系统总体框架 | 第44页 |
| 5.2.2 博客推荐系统整体流程 | 第44-45页 |
| 5.3 博客推荐系统详细设计与实现 | 第45-50页 |
| 5.3.1 博客推荐系统数据库设计 | 第45-46页 |
| 5.3.2 博客推荐系统详细设计与实现 | 第46-50页 |
| 5.4 本章小结 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| 6.1 全文总结 | 第51页 |
| 6.2 后续工作展望 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第59页 |