基于社区结构的Top-K影响力节点发现算法研究
摘要 | 第4-5页 |
Abstract | 第5页 |
1 绪论 | 第8-18页 |
1.1 研究背景与意义 | 第8-10页 |
1.2 国内外研究现状 | 第10-16页 |
1.3 本文主要工作 | 第16-17页 |
1.4 本章小结 | 第17-18页 |
2 基于相似度序列的社区发现算法 | 第18-32页 |
2.1 问题描述 | 第18-19页 |
2.2 相关研究 | 第19-21页 |
2.3 ACSS算法的设计与实现 | 第21-25页 |
2.4 仿真实验与结果分析 | 第25-31页 |
2.5 本章小结 | 第31-32页 |
3 基于社区结构的TOP-K影响力节点发现算法 | 第32-47页 |
3.1 问题描述 | 第32页 |
3.2 符号定义 | 第32-33页 |
3.3 IMBC算法的设计与实现 | 第33-40页 |
3.4 仿真实验与结果分析 | 第40-45页 |
3.5 本章小结 | 第45-47页 |
4 IMBC算法在社交网络上的应用 | 第47-54页 |
4.1 微博的功能特性分析 | 第47-48页 |
4.2 对微博的TOP-K影响力节点的发现 | 第48-52页 |
4.3 信息传播过程的模拟 | 第52-53页 |
4.4 本章小结 | 第53-54页 |
5 总结与展望 | 第54-56页 |
5.1 本文主要研究成果 | 第54-55页 |
5.2 下一步工作展望 | 第55-56页 |
致谢 | 第56-58页 |
参考文献 | 第58-66页 |
附录I 攻读硕士学位期间发表的论文目录 | 第66-67页 |
附录II 攻读硕士学位期间参与的科研工作 | 第67页 |