基于结构洞理论的影响最大化算法的研究
| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 影响最大化研究现状 | 第11-13页 |
| 1.3 存在的主要问题 | 第13-14页 |
| 1.4 本文主要研究内容 | 第14-15页 |
| 1.5 本文的组织安排 | 第15-16页 |
| 第2章 背景知识和相关工作 | 第16-26页 |
| 2.1 背景知识 | 第16-23页 |
| 2.1.1 社会网络及其表示 | 第16-17页 |
| 2.1.2 影响传播模型 | 第17-19页 |
| 2.1.3 结构洞理论 | 第19-20页 |
| 2.1.4 影响最大化相关算法 | 第20-23页 |
| 2.2 相关工作 | 第23-25页 |
| 2.2.1 影响最大化相关工作 | 第23-24页 |
| 2.2.2 结构洞理论相关工作 | 第24-25页 |
| 2.2.3 社团检测相关工作 | 第25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于结构洞理论的影响最大化算法 | 第26-39页 |
| 3.1 引言 | 第26页 |
| 3.2 拉普拉斯矩阵的构建 | 第26-27页 |
| 3.3 结构洞值定义和求解 | 第27-29页 |
| 3.3.1 拉普拉斯矩阵特征值求解 | 第27-28页 |
| 3.3.2 结构洞值的定义 | 第28-29页 |
| 3.3.3 结构洞值的求解 | 第29页 |
| 3.4 社会网络图的处理 | 第29-31页 |
| 3.5 基于结构洞理论的影响最大化算法 | 第31-33页 |
| 3.5.1 结构洞权重 | 第31页 |
| 3.5.2 边际收益MG | 第31页 |
| 3.5.3 SG算法描述 | 第31-33页 |
| 3.6 实验结果与分析 | 第33-38页 |
| 3.6.1 实验设置 | 第34页 |
| 3.6.2 实验结果与分析 | 第34-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第4章 基于结构洞理论的社团检测算法 | 第39-54页 |
| 4.1 引言 | 第39页 |
| 4.2 划分粗糙社团 | 第39-42页 |
| 4.2.1 相似度定义 | 第40页 |
| 4.2.2 节点聚类 | 第40-42页 |
| 4.3 利用粗糙社团发现结构洞 | 第42-43页 |
| 4.3.1 重叠社团的甄别和公共节点的处理 | 第42-43页 |
| 4.3.2 结构洞的发现 | 第43页 |
| 4.3.3 结构洞值定义和求解 | 第43页 |
| 4.4 基于结构洞理论的社团精细划分 | 第43-46页 |
| 4.4.1 '两步'信息流理论 | 第44页 |
| 4.4.2 基于结构洞的社团检测算法 | 第44-46页 |
| 4.5 实验结果与分析 | 第46-53页 |
| 4.5.1 实验数据和评价 | 第46-47页 |
| 4.5.2 实验结果与分析 | 第47-53页 |
| 4.6 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-64页 |
| 发表的学术论文 | 第64-65页 |
