| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 多层网络 | 第10-11页 |
| 1.2.2 网络核心-边缘结构 | 第11-13页 |
| 1.3 本论文主要工作 | 第13页 |
| 1.4 本论文的结构安排 | 第13-15页 |
| 第二章 相关技术基础 | 第15-35页 |
| 2.1 复杂网络结构分析方法 | 第15-23页 |
| 2.1.1 单层网络结构分析 | 第15-18页 |
| 2.1.2 多层网络结构分析 | 第18-23页 |
| 2.2 节点重要性分析 | 第23-28页 |
| 2.2.1 单层网络节点重要性分析 | 第23-26页 |
| 2.2.2 多层网络节点重要性分析 | 第26-28页 |
| 2.3 核心-边缘结构分析 | 第28-32页 |
| 2.3.1 基于离散模型的核心-边缘结构检测 | 第28-30页 |
| 2.3.2 基于中心性的核心-边缘结构检测 | 第30-32页 |
| 2.4 结果评价方法 | 第32-34页 |
| 2.4.1 肯德尔等级相关系数 | 第32-33页 |
| 2.4.2 皮尔逊积矩相关系数 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于新浪微博数据的复杂网络建模和分析 | 第35-58页 |
| 3.1 微博数据的爬取 | 第35-36页 |
| 3.2 数据的提取和复杂网络模型构建 | 第36-39页 |
| 3.3 单层网络分析 | 第39-47页 |
| 3.3.1 事件转发网络度分布 | 第39页 |
| 3.3.2 事件转发网络随时间增长趋势 | 第39-42页 |
| 3.3.3 事件转发网络连通分量 | 第42-43页 |
| 3.3.4 事件转发网络重叠度分析 | 第43-45页 |
| 3.3.5 事件转发网络间用户重叠度分析 | 第45-47页 |
| 3.4 多层网络分析 | 第47-57页 |
| 3.4.1 事件聚合网络分析 | 第47页 |
| 3.4.2 不同时间段中事件的转发与用户序列之间的相似性 | 第47-51页 |
| 3.4.3 事件与事件之间皮尔逊积矩相关系数分析 | 第51-54页 |
| 3.4.4 基于节点活跃度的多层网络分析 | 第54-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第四章 基于新浪微博数据的网络核心-边缘结构检测算法分析 | 第58-72页 |
| 4.1 问题的提出及相关工作 | 第58-59页 |
| 4.2 中心性排序应用 | 第59-61页 |
| 4.3 基于核层分解的核心-边缘结构检测算法 | 第61-65页 |
| 4.3.1 核心定义 | 第61-63页 |
| 4.3.2 核层分解过程 | 第63-65页 |
| 4.4 算法结果对比分析 | 第65-71页 |
| 4.4.1 网络核心-边缘结构存在性 | 第65-70页 |
| 4.4.2 核心节点识别有效性 | 第70-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 全文总结 | 第72-73页 |
| 5.2 后续工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-80页 |