首页--数理科学和化学论文--数学论文--代数、数论、组合理论论文--组合数学(组合学)论文--图论论文

基于多属性的社交网络关键节点挖掘方法

摘要第5-6页
ABSTRACT第6-7页
符号对照表第10-11页
缩略语对照表第11-15页
第一章 绪论第15-23页
    1.1 研究背景及意义第15-16页
    1.2 国内外研究现状第16-19页
        1.2.1 网络关键节点挖掘方法第16-18页
        1.2.2 社交网络关键节点挖掘方法第18-19页
    1.3 论文的主要研究内容及创新点第19-20页
    1.4 论文的组织结构第20-21页
    1.5 本章小结第21-23页
第二章 相关理论基础第23-31页
    2.1 复杂网络模型第23-25页
        2.1.1 复杂网络的图表示第23页
        2.1.2 复杂网络的结构特征第23-25页
    2.2 社交网络模型第25-26页
        2.2.1 社交网络分析第25-26页
        2.2.2 社交网络的特征第26页
    2.3 知乎网络第26-28页
        2.3.1 知乎网络简介第26-27页
        2.3.2 知乎网络中节点属性特征分析第27-28页
    2.4 1-9 标度法和判断矩阵简介第28-30页
        2.4.1 1-9 标度法简介第28-29页
        2.4.2 判断矩阵的相关知识第29-30页
    2.5 本章小结第30-31页
第三章 带权LeaderRank算法的改进第31-43页
    3.1 PageRank和LeaderRank算法第31-33页
        3.1.1 PageRank算法的相关分析第31-32页
        3.1.2 LeaderRank算法的相关分析第32-33页
    3.2 带权LeaderRank算法第33-35页
        3.2.1 带权LeaderRank算法分析第33-35页
        3.2.2 带权LeaderRank算法不足第35页
    3.3 基于知乎网络改进带权LeaderRank算法第35-39页
        3.3.1 知乎网络节点多属性结合第35-37页
        3.3.2 知乎网络中带权LeaderRank算法的改进第37-39页
    3.4 改进带权LeaderRank算法的扩展第39-42页
        3.4.1 社交网络中节点多种属性特征分析第39-40页
        3.4.2 社交网络节点多属性结合第40-41页
        3.4.3 算法步骤及分析第41-42页
    3.5 本章小结第42-43页
第四章 实验验证及结果分析第43-61页
    4.1 实验数据第43-44页
    4.2 知乎网络统计特征分析第44-48页
        4.2.1 小世界特征分析第44-45页
        4.2.2 节点的度分布第45-47页
        4.2.3 用户平均表现特征值的统计及分析第47-48页
    4.3 算法节点影响力排名结果的比较及分析第48-51页
        4.3.1 带权LeaderRank和PageRank、LeaderRank的比较第49-50页
        4.3.2 改进算法和带权LeaderRank的比较第50-51页
    4.4 基于SIR模型的算法比较及分析第51-53页
    4.5 算法鲁棒性的比较及分析第53-56页
        4.5.1 算法对网络干扰边的鲁棒性比较第53-55页
        4.5.2 模拟社交网络假粉对节点影响力排名的影响第55-56页
    4.6 在Github网络中应用改进算法第56-60页
        4.6.1 算法节点影响力排名结果的比较及分析第56-58页
        4.6.2 基于SIR模型的算法比较及分析第58页
        4.6.3 算法鲁棒性的比较及分析第58-60页
    4.7 本章小结第60-61页
第五章 总结和展望第61-63页
    5.1 本文工作总结第61-62页
    5.2 社交网络关键节点研究的展望第62-63页
参考文献第63-69页
致谢第69-71页
作者简介第71-72页

论文共72页,点击 下载论文
上一篇:从逆问题求解角度解释Ponzo错觉
下一篇:多层格林函数插值算法在中低频电磁问题中的研究和实现