| 中文摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第16-27页 |
| 1.1 引言 | 第16-17页 |
| 1.2 复杂网络与链接挖掘 | 第17-23页 |
| 1.2.1 复杂网络研究的起源及发展 | 第17-19页 |
| 1.2.2 常见的复杂网络 | 第19-20页 |
| 1.2.3 复杂网络的特性 | 第20-22页 |
| 1.2.4 链接挖掘的内容、任务 | 第22-23页 |
| 1.3 本论文的主要工作及贡献 | 第23-25页 |
| 1.4 本论文的组织结构 | 第25-27页 |
| 第二章 理论基础与相关工作 | 第27-43页 |
| 2.1 相关概念、术语、符号及定义 | 第27-29页 |
| 2.2 社团检测的意义 | 第29-30页 |
| 2.3 社团检测研究的相关工作 | 第30-39页 |
| 2.4 本论文实验使用的网络数据集 | 第39-40页 |
| 2.5 社团结构的评价指标 | 第40-43页 |
| 第三章 DBSCD：分裂的谱二分层次社团检测方法 | 第43-65页 |
| 3.1 引言 | 第43-44页 |
| 3.2 动因 | 第44-46页 |
| 3.3 DBSCD方法 | 第46-54页 |
| 3.3.1 网络稀疏化算法 | 第46-47页 |
| 3.3.2 迭代的谱二分社团检测算法 | 第47-51页 |
| 3.3.3 实现策略 | 第51-54页 |
| 3.4 实验及结果分析 | 第54-63页 |
| 3.4.1 对比方法及参数设置 | 第54-55页 |
| 3.4.2 实验结果 | 第55-63页 |
| 3.5 小结 | 第63-65页 |
| 第四章 HBSCD：混合的谱二分层次社团检测方法 | 第65-78页 |
| 4.1 引言 | 第65-66页 |
| 4.2 HBSCD方法 | 第66-69页 |
| 4.3 实验及结果分析 | 第69-75页 |
| 4.3.1 对比算法及参数设置 | 第69页 |
| 4.3.2 实验结果 | 第69-75页 |
| 4.4 小结 | 第75-78页 |
| 第五章 ASSCD：基于主动学习的半监督社团检测方法 | 第78-101页 |
| 5.1 引言 | 第78-80页 |
| 5.2 ASSCD方法 | 第80-90页 |
| 5.2.1 概念和定义 | 第80-81页 |
| 5.2.2 半监督社团检测算法 | 第81-83页 |
| 5.2.3 基于主动学习的半监督成分获取算法 | 第83-88页 |
| 5.2.4 基于随机游走的顶点相似性计算 | 第88-89页 |
| 5.2.5 时间复杂度分析 | 第89-90页 |
| 5.3 实验及结果分析 | 第90-100页 |
| 5.3.1 参数设置 | 第90-91页 |
| 5.3.2 实验方法及结果 | 第91-100页 |
| 5.4 小结 | 第100-101页 |
| 第六章 VSAHCD：模拟投票行为的凝聚层次社团检测方法 | 第101-122页 |
| 6.1 引言 | 第101-102页 |
| 6.2 思想启发 | 第102-103页 |
| 6.3 VSAHCD方法 | 第103-110页 |
| 6.3.1 VSAHCD方法的总体框架 | 第103页 |
| 6.3.2 投票过程 | 第103-106页 |
| 6.3.3 社团合并过程 | 第106-108页 |
| 6.3.4 时间复杂度分析 | 第108-110页 |
| 6.4 实验及结果分析 | 第110-121页 |
| 6.4.1 评价标准的变更 | 第110-111页 |
| 6.4.2 对比算法及设置 | 第111页 |
| 6.4.3 实验结果及分析 | 第111-121页 |
| 6.5 小结 | 第121-122页 |
| 第七章 LPAd：一个确定性的LPA算法 | 第122-137页 |
| 7.1 引言 | 第122-123页 |
| 7.2 LPAd算法 | 第123-128页 |
| 7.3 实验及结果分析 | 第128-136页 |
| 7.3.1 对比算法及设置 | 第128页 |
| 7.3.2 实验结果及分析 | 第128-136页 |
| 7.4 小结 | 第136-137页 |
| 第八章 总结与展望 | 第137-140页 |
| 8.1 本文工作总结 | 第137-138页 |
| 8.2 下一步需要开展的工作 | 第138-140页 |
| 参考文献 | 第140-152页 |
| 在学期间的研究成果 | 第152-154页 |
| 致谢 | 第154页 |