| 摘要 | 第1-10页 |
| 第一章 引言 | 第10-16页 |
| ·网络效应 | 第10-11页 |
| ·复杂网络研究的基本问题 | 第11-13页 |
| ·信息网络研究背景 | 第13-14页 |
| ·本文主要贡献与组织 | 第14-16页 |
| 第二章复杂网络研究概述 | 第16-46页 |
| ·基本概念与研究背景 | 第16-20页 |
| ·基本概念 | 第16-17页 |
| ·从规则网络、随机网络到复杂网络 | 第17-19页 |
| ·复杂现实网络的分类 | 第19-20页 |
| ·复杂网络的拓扑结构特征 | 第20-31页 |
| ·连接度的分布与自由标度网络 | 第21-23页 |
| ·最短路径与小世界效应（Small World Effect） | 第23-25页 |
| ·传递性与聚团系数 | 第25-26页 |
| ·特征子图(motif，subgraph) | 第26-28页 |
| ·网络社区结构 | 第28-29页 |
| ·介数（Betweenness） | 第29-30页 |
| ·网络的弹性（Network Resilience） | 第30-31页 |
| ·其他特征 | 第31页 |
| ·复杂网络的建模 | 第31-41页 |
| ·小世界网络模型 | 第32-33页 |
| ·自由标度网络模型 | 第33-38页 |
| ·几类有针对性的网络模型 | 第38-41页 |
| ·产生高聚团系数的网络增长机制 | 第41页 |
| ·与复杂信息网络相关的应用研究 | 第41-44页 |
| ·网络传播机制研究 | 第42-43页 |
| ·P2P网络中的资源共享与信息搜索 | 第43-44页 |
| ·复杂网络研究的关键问题及研究趋势分析 | 第44-45页 |
| ·本章总结 | 第45-46页 |
| 第三章Web网络的拓扑结构与内容相关性分析 | 第46-66页 |
| ·Web网络的拓扑结构特征概述 | 第46-53页 |
| ·基本概念 | 第46-48页 |
| ·Web网络的拓扑结构特征 | 第48-51页 |
| ·Web网络中内容分布特征 | 第51-52页 |
| ·Web网骆拓扑结构分析总结 | 第52-53页 |
| ·Web网络的拓扑结构与内容相关性分析 | 第53-64页 |
| ·拓扑结构与内容相关性分布的度量概念 | 第54-56页 |
| ·实验数据的准备 | 第56-57页 |
| ·Web网络节点连边及节点内容相关性分析 | 第57-60页 |
| ·Web网络传递性与内容相关性分析 | 第60-64页 |
| ·拓扑结构与内容分布的关系分析总结 | 第64页 |
| ·本章总结 | 第64-66页 |
| 第四章节点知名度与相关度融合的Web网络演化模型 | 第66-93页 |
| ·基本问题概述 | 第66-71页 |
| ·问题与背景 | 第66-67页 |
| ·Web网络建模研究的回顾 | 第67-71页 |
| ·PRCP模型 | 第71-73页 |
| ·PRCP模型的基本思路 | 第71-72页 |
| ·PRCP的连边倾向机制（PRC-PA） | 第72页 |
| ·节点与边的独立增长机制（Independent Growing，IG） | 第72-73页 |
| ·PRCP模型的理论分析 | 第73-78页 |
| ·知名度与相关度融合的连边倾向机制（PRC-PA）分析 | 第74-75页 |
| ·连边概率与成三角概率分析 | 第75-77页 |
| ·PRCP网络的传递性分析 | 第77-78页 |
| ·PRCP模型的学习验证 | 第78-86页 |
| ·现有的网络模型发现模式分析 | 第79-80页 |
| ·网络模型的学习与发现技术 | 第80-81页 |
| ·针对PRCP模型的验证实验 | 第81-83页 |
| ·实验结果与分析 | 第83-86页 |
| ·PRCP模型的模拟实验与结果对比分析 | 第86-91页 |
| ·实验说明 | 第86页 |
| ·实验结果及相关模型对比分析 | 第86-91页 |
| ·本章小结 | 第91-93页 |
| 第五章信息网络的社区发现研究 | 第93-120页 |
| ·复杂网络社区研究的基本问题与研究背景 | 第93-97页 |
| ·网络社区关系分析的研究背景 | 第93-94页 |
| ·复杂网络中社区发现的基本问题 | 第94-97页 |
| ·基于单一尺度（物理连边密度）划分的社区研究回顾 | 第97-104页 |
| ·简单图社区定义及发现算法研究 | 第97-98页 |
| ·基于Edge-Betweenness 或Modularity的社区发现算法 | 第98-100页 |
| ·基于链接分析的WEB 社区发现算法 | 第100-101页 |
| ·K完全子图（k-clique）连边密度社区 | 第101-103页 |
| ·连边密度社区研究的特点总结 | 第103-104页 |
| ·多尺度、概率化信息社区（δ-闭集，δ? Closure 社区） | 第104-110页 |
| ·从物理连边密度社区到多尺度的信息传播密集社区 | 第104-105页 |
| ·δ-闭集与δ-闭集社区的定义 | 第105-109页 |
| ·δ-闭集社区的特点分析 | 第109-110页 |
| ·δ? Closure 社区的发现算法 | 第110-113页 |
| ·δ? Closure 社区发现算法框架 | 第110页 |
| ·单个节点的δ? Closure 求解的终止判定条件 | 第110-111页 |
| ·δ? Closure 社区计算 | 第111-113页 |
| ·算法复杂度分析 | 第113页 |
| ·δ? Closure 计算方法与k-clique计算方法的实验对比分析 | 第113-118页 |
| ·连边内敛度（ECR） | 第114-115页 |
| ·社区概率内敛度（DCR） | 第115-116页 |
| ·综合系数比较 | 第116-117页 |
| ·实验结果分析 | 第117-118页 |
| ·本章总结 | 第118-120页 |
| 第六章 总结与未来工作展望 | 第120-123页 |
| ·本文的总结 | 第120-121页 |
| ·进一步的工作 | 第121-123页 |
| 参考文献 | 第123-135页 |
| 作者简介 | 第135-137页 |
| 致谢 | 第137-138页 |
