| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究的背景及意义 | 第11-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.3 论文研究内容 | 第15页 |
| 1.4 论文组织 | 第15-17页 |
| 第二章 社会网络分析算法介绍 | 第17-30页 |
| 2.1 社会网络的常见现象 | 第17-18页 |
| 2.2 社会网络中的文本挖掘 | 第18-20页 |
| 2.2.1 分类 | 第18-19页 |
| 2.2.2 聚类 | 第19-20页 |
| 2.3 网络演化 | 第20-23页 |
| 2.3.1 时间信息的处理方式 | 第21-22页 |
| 2.3.2 几种网络演化模型 | 第22-23页 |
| 2.4 社会网络中的链接预测 | 第23-27页 |
| 2.4.1 基于局部结构信息节点相似度的算法 | 第24-25页 |
| 2.4.2 基于全局结构信息节点相似度的算法 | 第25-27页 |
| 2.5 社会网络中的社团发现 | 第27-29页 |
| 2.5.1 图分割算法 | 第27页 |
| 2.5.2 聚类算法 | 第27-28页 |
| 2.5.3 分裂算法 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于主题协作演化链接预测算法 | 第30-47页 |
| 3.1 引言 | 第30页 |
| 3.2 文本内容分析 | 第30-35页 |
| 3.2.1 LSA(Latent Semantic Analysis)模型 | 第31-32页 |
| 3.2.2 PLSA(Probabilistic Latent Semantic Analysis)模型 | 第32-33页 |
| 3.2.3 LDA(Latent Dirichlet Allocation)模型 | 第33-35页 |
| 3.3 结构分析 | 第35-36页 |
| 3.4 基于主题协作演化的链接预测算法 | 第36-41页 |
| 3.4.1 算法总体框架 | 第36-38页 |
| 3.4.2 算法描述 | 第38-41页 |
| 3.5 实验与分析 | 第41-46页 |
| 3.5.1 实验环境及实验参数设置 | 第41-44页 |
| 3.5.2 实验结果及分析 | 第44-46页 |
| 3.6 总结 | 第46-47页 |
| 第四章 基于主题协作演化社团发现算法 | 第47-58页 |
| 4.1 引言 | 第47页 |
| 4.2 社团发现框架 | 第47页 |
| 4.3 谱聚类算法 | 第47-49页 |
| 4.3.1 奇异值分解SVD | 第48-49页 |
| 4.3.2 K-means算法 | 第49页 |
| 4.4 基于谱聚类的结构主题协作演化社团发现算法 | 第49-53页 |
| 4.4.1 算法总体框架 | 第49-51页 |
| 4.4.2 算法描述 | 第51-53页 |
| 4.5 实验与分析 | 第53-57页 |
| 4.5.1 实验环境及实验参数设置 | 第53-55页 |
| 4.5.2 实验结果及分析 | 第55-57页 |
| 4.6 总结 | 第57-58页 |
| 第五章 总结和展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间参与的科研课题 | 第64-65页 |
| 致谢 | 第65-66页 |
