| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 微博网络的研究现状 | 第14页 |
| 1.2.2 社区发现研究现状 | 第14-18页 |
| 1.2.3 微博社区发现的研究现状 | 第18页 |
| 1.3 研究内容及主要工作 | 第18-19页 |
| 1.4 论文结构安排 | 第19-21页 |
| 第二章 相关技术与理论 | 第21-30页 |
| 2.1 社交网络 | 第21-22页 |
| 2.1.1 定义 | 第21页 |
| 2.1.2 特性 | 第21-22页 |
| 2.2 社区发现 | 第22-27页 |
| 2.2.1 社区结构的认识 | 第22-23页 |
| 2.2.2 社区结构的特性 | 第23-24页 |
| 2.2.3 社区发现的评价指标 | 第24-27页 |
| 2.3 随机游走模型 | 第27-29页 |
| 2.3.1 随机过程 | 第27-28页 |
| 2.3.2 随机游走模型 | 第28页 |
| 2.3.3 基于随机游走的相似性指标 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 微博多维信息模型构建 | 第30-40页 |
| 3.1 引言 | 第30-32页 |
| 3.2 用户关注关系处理 | 第32-34页 |
| 3.3 用户主题兴趣处理 | 第34-37页 |
| 3.3.1 概述 | 第34页 |
| 3.3.2 用户标签处理 | 第34-35页 |
| 3.3.3 用户微博处理 | 第35-37页 |
| 3.3.4 融合用户标签和用户微博的主题兴趣处理 | 第37页 |
| 3.4 用户交互行为处理 | 第37-38页 |
| 3.5 用户地理位置处理 | 第38-39页 |
| 3.6 基于微博的多维信息模型构建 | 第39页 |
| 3.7 本章小结 | 第39-40页 |
| 第四章 基于多维信息及边距离矩阵的微博重叠社区发现 | 第40-55页 |
| 4.1 设计思路 | 第40-41页 |
| 4.2 基于局部随机游走的边距离矩阵 | 第41-46页 |
| 4.2.1 概述 | 第41页 |
| 4.2.2 局部随机游走相似性 | 第41-43页 |
| 4.2.3 边距离矩阵的构建 | 第43-46页 |
| 4.3 基于密度峰值聚类算法初步社区发现 | 第46-52页 |
| 4.3.1 概述 | 第46-50页 |
| 4.3.2 改进密度峰值聚类算法初步社区发现 | 第50-52页 |
| 4.4 社区合并和优化 | 第52-53页 |
| 4.5 MIEDM算法总结 | 第53页 |
| 4.6 MIEDM算法扩展 | 第53-54页 |
| 4.7 本章小结 | 第54-55页 |
| 第五章 实验与结果分析 | 第55-65页 |
| 5.1 实验环境与实验数据采集 | 第55-58页 |
| 5.1.1 实验环境 | 第55页 |
| 5.1.2 微博网络数据采集 | 第55-58页 |
| 5.1.3 经典真实网络数据 | 第58页 |
| 5.2 实验评价指标 | 第58-59页 |
| 5.3 实验方案与结果分析 | 第59-64页 |
| 5.3.1 经典真实网络实验结果与分析 | 第59-61页 |
| 5.3.2 微博网络实验结果与分析 | 第61-64页 |
| 5.4 本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 附件 | 第76页 |