| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究工作的背景与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.2.1 社会网络社团发现技术 | 第13-15页 |
| 1.2.2 社会网络关键节点发现技术 | 第15-16页 |
| 1.2.3 社会网络节点关系预测技术 | 第16页 |
| 1.2.4 文本主题分析技术 | 第16-17页 |
| 1.3 本文的工作与创新 | 第17-19页 |
| 1.3.1 本文的研究内容 | 第17-18页 |
| 1.3.2 本文的主要创新 | 第18-19页 |
| 1.4 本论文的结构安排 | 第19-20页 |
| 第二章 邮件网络社团划分和节点重要性分析算法 | 第20-38页 |
| 2.1 发现实体所在的社团算法 | 第20-22页 |
| 2.1.1 模块性的解释 | 第20页 |
| 2.1.2 GN算法 | 第20-21页 |
| 2.1.3 CNM算法 | 第21-22页 |
| 2.2 根据实体间的连接分析实体重要性算法 | 第22-29页 |
| 2.2.1 度中心性方法 | 第22-23页 |
| 2.2.2 紧密度中心性方法 | 第23-24页 |
| 2.2.3 介数中心性 | 第24-27页 |
| 2.2.4 特征向量中心性方法 | 第27-28页 |
| 2.2.5 PageRank方法 | 第28-29页 |
| 2.3 实验分析 | 第29-36页 |
| 2.3.1 数据集 | 第29页 |
| 2.3.2 实验环境 | 第29-30页 |
| 2.3.3 社团发现分析 | 第30-31页 |
| 2.3.4 实体重要性分析 | 第31-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第三章 邮件网络通信实体间的潜在关系发现与预测算法 | 第38-53页 |
| 3.1 相关工作 | 第38-39页 |
| 3.2 电子邮件网络的节点通信关系预测算法 | 第39-44页 |
| 3.2.1 算法设计思想 | 第39-41页 |
| 3.2.2 选择用于集成学习的弱分类器 | 第41-42页 |
| 3.2.3 改进算法的流程概述 | 第42-44页 |
| 3.3 实验分析 | 第44-52页 |
| 3.3.1 数据集选取 | 第44-45页 |
| 3.3.2 实验设计与问题评价方法 | 第45-46页 |
| 3.3.3 预测结果 | 第46-52页 |
| 3.3.5 效率分析 | 第52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 邮件网络通信实体的主题建模算法 | 第53-68页 |
| 4.1 相关工作 | 第53-58页 |
| 4.1.1 符号解释 | 第53-54页 |
| 4.1.2 隐含狄利克雷分布 | 第54-58页 |
| 4.1.3 作者模型 | 第58页 |
| 4.2 作者主题模型 | 第58-62页 |
| 4.3 实验分析 | 第62-67页 |
| 4.3.1 数据集 | 第62页 |
| 4.3.2 实验步骤 | 第62页 |
| 4.3.3 结果分析 | 第62-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 本文工作总结 | 第68-69页 |
| 5.2 未来展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间取得的成果 | 第75-76页 |