基于网络结构随机游走及节点属性信息熵的社会网络社区发现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 社区发现国内外研究现状 | 第11-15页 |
| 1.3 研究内容及主要工作 | 第15-16页 |
| 1.4 论文结构安排 | 第16-17页 |
| 第二章 复杂社会网络与社区结构 | 第17-21页 |
| 2.1 复杂社会网络 | 第17-18页 |
| 2.2 社区结构 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 随机游走模型 | 第21-24页 |
| 3.1 引言 | 第21页 |
| 3.2 随机游走模型 | 第21页 |
| 3.3 一般随机游走过程 | 第21页 |
| 3.4 随机游走模型与社区发现的关系 | 第21-23页 |
| 3.5 本章小结 | 第23-24页 |
| 第四章 信息熵理论 | 第24-29页 |
| 4.1 引言 | 第24页 |
| 4.2 熵与信息熵的由来 | 第24-25页 |
| 4.3 信息熵理论 | 第25-27页 |
| 4.4 信息熵与社区发现 | 第27-28页 |
| 4.5 本章小结 | 第28-29页 |
| 第五章 SARIE算法与参数 | 第29-46页 |
| 5.1 引言 | 第29页 |
| 5.2 问题的提出 | 第29页 |
| 5.3 问题抽象建模 | 第29-30页 |
| 5.3.1 网络拓扑结构建模 | 第29-30页 |
| 5.3.2 网络节点建模 | 第30页 |
| 5.4 SARIE算法 | 第30-42页 |
| 5.4.1 随机游走发现候选社区 | 第31-35页 |
| 5.4.2 信息熵筛选优质社区 | 第35-40页 |
| 5.4.3 相似社区合并 | 第40-42页 |
| 5.5 重要参数与讨论 | 第42-45页 |
| 5.6 本章小结 | 第45-46页 |
| 第六章 实验结果与分析 | 第46-60页 |
| 6.1 数据集与实验环境 | 第46-48页 |
| 6.1.1 数据集描述 | 第46-48页 |
| 6.1.2 实验环境 | 第48页 |
| 6.2 实验评价指标 | 第48-49页 |
| 6.3 实验方案与结果分析 | 第49-59页 |
| 6.3.1 算法的影响因素分析 | 第49-55页 |
| 6.3.2 算法的性能分析 | 第55-58页 |
| 6.3.3 社区标签初步分析 | 第58-59页 |
| 6.4 本章小结 | 第59-60页 |
| 总结与展望 | 第60-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| Ⅳ-2答辩委员会对论文的评定意见 | 第70页 |
