| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-17页 |
| ·研究背景及意义 | 第8-11页 |
| ·研究背景 | 第8-10页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·研究内容及主要工作 | 第14-16页 |
| ·论文的组织结构 | 第16-17页 |
| 第二章 复杂网络社区发现研究概述 | 第17-30页 |
| ·复杂网络概述 | 第17-18页 |
| ·复杂网络的概念与特征 | 第17页 |
| ·复杂网络的表示模型 | 第17-18页 |
| ·复杂网络中的社区结构 | 第18-20页 |
| ·经典社区发现算法介绍 | 第20-28页 |
| ·基于标签传播的社区发现 | 第20-21页 |
| ·以层次为中心的社区发现 | 第21-24页 |
| ·基于团渗透的社区发现 | 第24-26页 |
| ·基于混合概率模型的社区发现 | 第26-28页 |
| ·社区结构的评价指标 | 第28-30页 |
| ·基于非重叠社区结构的评价指标Q函数 | 第28-29页 |
| ·基于重叠社区结构的评价指标EQ函数 | 第29-30页 |
| 第三章 面向微博的社区发现算法 | 第30-47页 |
| ·微博网络相关介绍 | 第30-34页 |
| ·微博用户特性 | 第31页 |
| ·微博群体的核心-边缘结构特征 | 第31-32页 |
| ·微博网络相关定义 | 第32-34页 |
| ·海量微博数据的存储 | 第34-36页 |
| ·微博用户兴趣主题模型的构建 | 第36-37页 |
| ·LDA主题模型介绍 | 第36-37页 |
| ·基于微博用户主题相似性的FuzzyKMeans聚类 | 第37-39页 |
| ·微博用户主题间的相似性度量 | 第37-38页 |
| ·基于微博用户主题相似性的社区发现算法 | 第38-39页 |
| ·基于传播系数的多标签传播社区发现算法 | 第39-47页 |
| ·相关理论介绍 | 第39-40页 |
| ·主要思想 | 第40-41页 |
| ·算法描述 | 第41-43页 |
| ·社区发现算法的并行化实现 | 第43-47页 |
| 第四章 实验及结果分析 | 第47-54页 |
| ·实验准备 | 第47-49页 |
| ·数据集 | 第47-48页 |
| ·实验环境 | 第48-49页 |
| ·实验结果 | 第49-52页 |
| ·实验结果分析 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| ·工作总结 | 第54-55页 |
| ·研究展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |