| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 社区发现的研究现状 | 第11-13页 |
| 1.2.2 集对分析理论的研究现状 | 第13-14页 |
| 1.3 本文的研究内容 | 第14页 |
| 1.4 本文结构 | 第14-16页 |
| 第2章 社区发现算法和集对分析理论概述 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 社会网络基本概念 | 第16-18页 |
| 2.2.1 社会网络 | 第16-17页 |
| 2.2.2 基本概念 | 第17-18页 |
| 2.3 相似性度量方法概述 | 第18-21页 |
| 2.3.1 全局相似性度量方法 | 第19页 |
| 2.3.2 基于局部信息的相似性度量方法 | 第19-20页 |
| 2.3.3 半局域相似性度量方法 | 第20-21页 |
| 2.4 社区发现算法概述 | 第21-22页 |
| 2.4.1 图分割算法 | 第21页 |
| 2.4.2 层次聚类算法 | 第21-22页 |
| 2.4.3 符号网络社区发现算法 | 第22页 |
| 2.5 集对分析理论概述 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于集对联系度的社会网络社区发现研究 | 第25-35页 |
| 3.1 引言 | 第25页 |
| 3.2 相关定义 | 第25-26页 |
| 3.3 基于集对的社会网络分析方法研究 | 第26-32页 |
| 3.3.1 基于集对的顶点间相似性方法分析 | 第26-27页 |
| 3.3.2 基于集对联系度的顶点间相似性模型 | 第27-32页 |
| 3.4 社会网络的社区发现算法 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于集对联系度的符号网络顶点相似性研究 | 第35-41页 |
| 4.1 引言 | 第35页 |
| 4.2 相关定义 | 第35-36页 |
| 4.3 基于集对联系度的符号网络顶点间相似性模型 | 第36-40页 |
| 4.3.1 符号网络同异反关系定义 | 第36-38页 |
| 4.3.2 边的符号预测方法 | 第38-39页 |
| 4.3.3 基于集对联系度的符号网络顶点间相似性度量方法 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 实验验证及结果分析 | 第41-57页 |
| 5.1 引言 | 第41页 |
| 5.2 实验环境 | 第41页 |
| 5.3 社会网络社区发现的实验分析 | 第41-48页 |
| 5.3.1 相似性度量方法的实验分析 | 第42-44页 |
| 5.3.2 社区发现的实验分析 | 第44-48页 |
| 5.4 符号网络社区发现的实验分析 | 第48-56页 |
| 5.4.1 相似性度量方法合理性验证 | 第50-51页 |
| 5.4.2 相似性度量方法正确性验证 | 第51-56页 |
| 5.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64页 |