| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 背景综述 | 第8-11页 |
| 1.1 背景与现状 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本系统目标与内容 | 第10页 |
| 1.4 本文的组织结构 | 第10-11页 |
| 第二章 社交网站用户关系分析系统需求分析 | 第11-17页 |
| 2.1 需求分析 | 第11-13页 |
| 2.2 社交网络的基本参数 | 第13-14页 |
| 2.2.1 度（Degree） | 第13页 |
| 2.2.2 特征路径长度（Characteristic path length） | 第13页 |
| 2.2.3 密度（Density） | 第13-14页 |
| 2.2.4 介数（Betweenness） | 第14页 |
| 2.2.5 连接矩阵（Connection matrix） | 第14页 |
| 2.3 社交网络用户影响力 | 第14-15页 |
| 2.4 计算机网络社区划分 | 第15-16页 |
| 2.5 本章小结 | 第16-17页 |
| 第三章 本系统的关键算法和研究 | 第17-40页 |
| 3.1 研究方法 | 第17-20页 |
| 3.1.1 数据挖掘的基本概念和原理 | 第17-19页 |
| 3.1.2 数据挖掘常用方法与功能 | 第19-20页 |
| 3.2 社交网站用户影响力的主流算法 | 第20-23页 |
| 3.2.1 基于用户“粉丝”数的用户影响力算法 | 第20-21页 |
| 3.2.2 章基于 PageRank 算法的用户影响力算法 | 第21-23页 |
| 3.3 基于实体关系的用户影响力算法 | 第23-31页 |
| 3.3.1 实体关系模型 | 第23-24页 |
| 3.3.2 实体关系的用户影响力算法思想 | 第24-29页 |
| 3.3.3 实体关系的用户影响力算法流程图 | 第29-30页 |
| 3.3.4 实体关系用户影响力算法代码描述 | 第30-31页 |
| 3.4 社区划分经典算法概述 | 第31-32页 |
| 3.4.1 Girvan and Newman 算法 | 第31页 |
| 3.4.2 Newman 快速算法 | 第31-32页 |
| 3.5 基于最短路径的派系检测算法 | 第32-38页 |
| 3.5.1 用户派系 | 第32-33页 |
| 3.5.2 基于最短路径的派系划分算法 | 第33-36页 |
| 3.5.3 用户派系检测流程图 | 第36-37页 |
| 3.5.4 用户派系检测代码描述 | 第37-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 系统设计 | 第40-48页 |
| 4.1 系统整体架构设计 | 第40-41页 |
| 4.2 客户端设计与实现 | 第41-45页 |
| 4.2.1 数据导入模块 | 第41页 |
| 4.2.2 用户选择模块 | 第41-42页 |
| 4.2.3 用户社交网络模块 | 第42-43页 |
| 4.2.4 用户影响力排名模块 | 第43-44页 |
| 4.2.5 用户派系检测模块 | 第44-45页 |
| 4.3 数据库服务器端设计与实现 | 第45-47页 |
| 4.3.1 数据库通信模块 | 第45-46页 |
| 4.3.2 数据库模块 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 系统实现与结果分析 | 第48-53页 |
| 5.1 开发环境 | 第48页 |
| 5.2 系统功能 | 第48页 |
| 5.3 系统运行演示 | 第48-51页 |
| 5.4 本章小结 | 第51-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 论文工作总结 | 第53-54页 |
| 6.2 研究展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第57-58页 |
| 致谢 | 第58页 |
