| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第14-32页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-28页 |
| 1.2.1 社会网络结构演化模型研究 | 第18-21页 |
| 1.2.2 社会网络社区识别方法研究 | 第21-26页 |
| 1.2.3 社会网络影响力分析方法研究 | 第26-28页 |
| 1.3 主要研究内容 | 第28-30页 |
| 1.4 论文组织结构 | 第30-32页 |
| 第2章 基于信息传播特性的社会网络演化模型研究 | 第32-54页 |
| 2.1 引言 | 第32-33页 |
| 2.2 基本概念 | 第33-34页 |
| 2.3 社会网络中的节点信息传播 | 第34-37页 |
| 2.3.1 领域向量及领域匹配度 | 第34-35页 |
| 2.3.2 节点信息传播的局部特性 | 第35页 |
| 2.3.3 节点间信息传播特点 | 第35-37页 |
| 2.4 基于信息传播特性的社会网络演化模型 | 第37-39页 |
| 2.4.1 模型外部参数设置 | 第37页 |
| 2.4.2 模型初始化 | 第37页 |
| 2.4.3 社会网络演化模型NME | 第37-39页 |
| 2.5 实验结果与分析 | 第39-52页 |
| 2.5.1 实验数据集 | 第39页 |
| 2.5.2 节点度分布 | 第39-43页 |
| 2.5.3 网络异质性 | 第43-46页 |
| 2.5.4 聚集特性 | 第46-48页 |
| 2.5.5 模型演化过程中特性分析 | 第48-52页 |
| 2.6 本章小结 | 第52-54页 |
| 第3章 基于标签环形扩散的非重叠社区识别方法 | 第54-74页 |
| 3.1 引言 | 第54页 |
| 3.2 问题描述 | 第54-57页 |
| 3.2.1 社区的定义 | 第54-55页 |
| 3.2.2 社区的环状结构 | 第55-56页 |
| 3.2.3 标签传播中的回溯现象 | 第56-57页 |
| 3.3 标签环形扩散非重叠社区识别算法 | 第57-60页 |
| 3.3.1 预处理操作 | 第57页 |
| 3.3.2 节点影响力计算 | 第57-59页 |
| 3.3.3 基于标签环形扩散的非重叠社区识别算法 | 第59-60页 |
| 3.4 实验结果与分析 | 第60-72页 |
| 3.4.1 真实网络数据集划分效果 | 第61-62页 |
| 3.4.2 环状扩散更新方式 | 第62-64页 |
| 3.4.3 CS-LPA算法中阈值η的选取影响 | 第64-66页 |
| 3.4.4 算法运行时间对比 | 第66-67页 |
| 3.4.5 真实网络数据集模块度比较与分析 | 第67-68页 |
| 3.4.6 人工网络数据集实验对比分析 | 第68-70页 |
| 3.4.7 NME数据集实验对比分析 | 第70-72页 |
| 3.5 本章小结 | 第72-74页 |
| 第4章 基于节点隶属度的标签传播重叠社区识别方法 | 第74-94页 |
| 4.1 引言 | 第74-75页 |
| 4.2 基于拓扑势的节点影响力及约束 | 第75-76页 |
| 4.3 社会网络节点隶属度 | 第76-78页 |
| 4.3.1 节点局部相似性度量 | 第76-77页 |
| 4.3.2 节点隶属度计算 | 第77-78页 |
| 4.4 基于节点隶属度的标签传播重叠社区识别算法 | 第78-79页 |
| 4.5 实验与结果分析 | 第79-93页 |
| 4.5.1 实验数据选择 | 第79-80页 |
| 4.5.2 四种数据集划分效果对比 | 第80-82页 |
| 4.5.3 分组情况η的取值分析 | 第82-84页 |
| 4.5.4 真实网络数据集模块度对比分析 | 第84-86页 |
| 4.5.5 人工网络数据集测试结果 | 第86-89页 |
| 4.5.6 MCLPA算法的应用 | 第89-93页 |
| 4.6 本章小结 | 第93-94页 |
| 第5章 基于社区识别的社会网络影响力最大化方法 | 第94-118页 |
| 5.1 引言 | 第94-96页 |
| 5.2 问题描述 | 第96-97页 |
| 5.2.1 影响力最大化问题 | 第96页 |
| 5.2.2 独立级联模型 | 第96页 |
| 5.2.3 社会网络影响力最大化算法 | 第96-97页 |
| 5.3 基于社区识别的社交网络影响力最大化算法 | 第97-103页 |
| 5.3.1 节点影响力度量 | 第97-98页 |
| 5.3.2 Top-K节点选择策略 | 第98-99页 |
| 5.3.3 局部边缘去重 | 第99-101页 |
| 5.3.4 社交网络影响力最大化算法 | 第101-103页 |
| 5.4 实验与结果分析 | 第103-117页 |
| 5.4.1 实验数据集 | 第103-104页 |
| 5.4.2 距离参数l取值分析 | 第104-105页 |
| 5.4.3 对比算法与参数设置 | 第105-106页 |
| 5.4.4 Email网络的结果与分析 | 第106-110页 |
| 5.4.5 Yeast网络的结果与分析 | 第110-113页 |
| 5.4.6 BitcoinAlpha网络的结果与分析 | 第113-117页 |
| 5.5 本章小结 | 第117-118页 |
| 结论 | 第118-120页 |
| 参考文献 | 第120-128页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第128-130页 |
| 致谢 | 第130-131页 |