| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题背景与研究意义 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 论文研究内容 | 第13-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第二章 相关技术理论介绍及社团演化预测系统整体设计 | 第17-37页 |
| 2.1 基本概念介绍 | 第17-25页 |
| 2.1.1 网络的图表示 | 第17-19页 |
| 2.1.2 网络拓扑图重要概念 | 第19-21页 |
| 2.1.3 网络社团定义 | 第21-22页 |
| 2.1.4 判断标准——模块度 | 第22页 |
| 2.1.5 动态社团相关概念 | 第22-25页 |
| 2.2 社团演化目前的典型研究 | 第25-30页 |
| 2.2.1 动态社团挖掘算法改进类研究 | 第25-27页 |
| 2.2.2 社团演化过程分析类研究 | 第27-28页 |
| 2.2.3 社团演化预测类研究 | 第28-30页 |
| 2.3 与本课题相关的思考 | 第30-31页 |
| 2.4 社团演化预测系统设计 | 第31-35页 |
| 2.4.1 系统功能需求分析 | 第31-32页 |
| 2.4.2 系统模块划分设计 | 第32-33页 |
| 2.4.3 系统数据处理流程设计 | 第33-35页 |
| 2.4.4 系统实现环境 | 第35页 |
| 2.5 本章小结 | 第35-37页 |
| 第三章 数据预处理模块及社团提取模块 | 第37-49页 |
| 3.1 模块设计需求分析 | 第37-38页 |
| 3.1.1 数据预处理模块需求分析 | 第37页 |
| 3.1.2 动态社团提取模块需求分析 | 第37-38页 |
| 3.2 数据预处理模块设计及本课题所用数据介绍 | 第38-41页 |
| 3.2.1 原始数据需求 | 第38-39页 |
| 3.2.2 数据清洗 | 第39页 |
| 3.2.3 时间片划分 | 第39-40页 |
| 3.2.4 训练集预测输入集划分 | 第40-41页 |
| 3.2.5 模块功能示意图 | 第41页 |
| 3.3 社团提取模块设计 | 第41-45页 |
| 3.3.1 静态社团挖掘算法——Fast-Unfolding | 第42-43页 |
| 3.3.2 动态社团挖掘算法——GED | 第43-44页 |
| 3.3.3 社团融合事件提取 | 第44页 |
| 3.3.4 模块功能示意图 | 第44-45页 |
| 3.4 模块实现方案 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 关键因素提取模块 | 第49-69页 |
| 4.1 关键因素改进需求分析 | 第49-50页 |
| 4.2 直接因素 | 第50-58页 |
| 4.2.1 直接因素改进 | 第50-53页 |
| 4.2.2 改进后直接因素与社团融合的相关性验证及对比分析 | 第53-58页 |
| 4.3 间接因素——社团级别链路预测算法 | 第58-64页 |
| 4.3.1 链路预测基本算法 | 第58-59页 |
| 4.3.2 社团级别链路预测算法的设计 | 第59-61页 |
| 4.3.3 间接因素与社团融合相关性验证 | 第61-64页 |
| 4.3.4 社团级别链路预测算法效率分析 | 第64页 |
| 4.4 模块功能示意图 | 第64-65页 |
| 4.5 模块实现方案 | 第65-67页 |
| 4.6 本章小结 | 第67-69页 |
| 第五章 社团演化预测模块及数据输出模块 | 第69-83页 |
| 5.1 社团演化预测模块设计需求 | 第69页 |
| 5.2 社团融合预测算法 | 第69-75页 |
| 5.2.1 预测算法设计一(SVM分类器) | 第70-72页 |
| 5.2.2 预测算法设计二(社团融合倾向度) | 第72-75页 |
| 5.3 实验结果及性能提升 | 第75-78页 |
| 5.4 模块功能示意图 | 第78-79页 |
| 5.5 数据输出模块 | 第79-80页 |
| 5.5.1 数据输出展示需求 | 第79-80页 |
| 5.5.2 模块功能示意图 | 第80页 |
| 5.6 模块实现方案 | 第80-82页 |
| 5.7 本章小结 | 第82-83页 |
| 第六章 结论和展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89页 |
