在线社交网络社区发现技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 研究背景和意义 | 第11-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 国外研究现状 | 第17-20页 |
| 1.2.2 国内研究现状 | 第20-21页 |
| 1.3 论文的主要工作 | 第21-22页 |
| 1.4 论文研究内容和组织结构 | 第22-23页 |
| 第2章 社区结构及社区发现 | 第23-37页 |
| 2.1 社交网络分析 | 第23-25页 |
| 2.2 社区的定义 | 第25-26页 |
| 2.3 社区发现模型 | 第26-27页 |
| 2.4 社区发现的方法 | 第27-34页 |
| 2.4.1 基于网络结构的社区发现方法 | 第28-32页 |
| 2.4.2 基于内容属性的社区发现方法 | 第32-33页 |
| 2.4.3 结合结构与内容的社区发现方法 | 第33页 |
| 2.4.4 动态社交网络分析 | 第33-34页 |
| 2.5 社区的评价 | 第34-36页 |
| 2.6 小结 | 第36-37页 |
| 第3章 结合社区属性熵的社区发现方法 | 第37-51页 |
| 3.1 基于社区属性熵的社区发现模型 | 第37-42页 |
| 3.1.1 问题的提出 | 第38-39页 |
| 3.1.2 相关定义 | 第39-40页 |
| 3.1.3 基于社区属性熵的社区发现模型 | 第40-42页 |
| 3.2 基于社会属性熵的社区发现算法 | 第42-47页 |
| 3.2.1 BGL算法 | 第42-43页 |
| 3.2.2 CAEM算法框架 | 第43-45页 |
| 3.2.3 社区属性熵优化过程 | 第45-46页 |
| 3.2.4 相似度计算 | 第46-47页 |
| 3.3 实验分析 | 第47-50页 |
| 3.3.1 数据集 | 第47-48页 |
| 3.3.2 实验结果 | 第48-50页 |
| 3.4 小结 | 第50-51页 |
| 第4章 基于标签影响力传播的社区发现方法 | 第51-65页 |
| 4.1 基于标签传播的社区发现模型 | 第51-55页 |
| 4.1.1 问题的提出 | 第51-53页 |
| 4.1.2 基于标签传播的社区发现模型的提出 | 第53-55页 |
| 4.2 基于标签影响力传播的社区发现算法 | 第55-61页 |
| 4.2.1 原有算法存在的问题 | 第55-56页 |
| 4.2.2 超大规模社区的形成 | 第56-57页 |
| 4.2.3 NLPA算法设计 | 第57-61页 |
| 4.3 实验分析 | 第61-64页 |
| 4.3.1 数据集 | 第61页 |
| 4.3.2 评价方法 | 第61-62页 |
| 4.3.3 实验结果 | 第62-64页 |
| 4.4 小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |
