| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-11页 |
| 1.2 研究内容 | 第11-12页 |
| 1.3 研究难点与创新点 | 第12-13页 |
| 2 文献综述 | 第13-31页 |
| 2.1 社区的定义 | 第13-16页 |
| 2.2 社区发现方法 | 第16-27页 |
| 2.3 社区发现评价指标 | 第27-31页 |
| 2.4 现有研究述评 | 第31页 |
| 3 微信及朋友圈信息流广告相关介绍 | 第31-39页 |
| 3.1 微信用户特性和网络特点 | 第31-34页 |
| 3.2 信息流广告相关介绍 | 第34-39页 |
| 4 基于局部社区发现的朋友圈信息流广告推荐算法构建 | 第39-51页 |
| 4.1 局部社区发现方法 | 第39-44页 |
| 4.2 推荐算法的选择 | 第44-47页 |
| 4.3 对L-壳算法的改进 | 第47-49页 |
| 4.4 推荐算法实现 | 第49-51页 |
| 5 实验及结果分析 | 第51-65页 |
| 5.1 实验环境 | 第53页 |
| 5.2 评价指标 | 第53-54页 |
| 5.3 结果与分析 | 第54-64页 |
| 5.4 算法效果评价 | 第64-65页 |
| 6 研究总结与展望 | 第65-69页 |
| 6.1 研究总结 | 第65-66页 |
| 6.2 研究启示 | 第66-67页 |
| 6.3 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73-84页 |
| 本文算法Python代码 | 第73-75页 |
| 典型社区发现算法Python调用代码 | 第75-80页 |
| 典型算法空手道网络输出结果图 | 第80-81页 |
| 典型算法人人网络输出结果图 | 第81-82页 |
| 典型算法海豚社会网络输出结果图 | 第82-83页 |
| 典型算法美国政治书籍网络输出结果图 | 第83-84页 |
| 致谢 | 第84-85页 |