| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究意义 | 第14-16页 |
| 1.3 研究现状 | 第16-17页 |
| 1.4 本文研究内容 | 第17-18页 |
| 1.5 本文章节安排 | 第18-20页 |
| 第二章 社交网络社团发现算法综述 | 第20-31页 |
| 2.1 传统社交网络社团发现算法 | 第20-27页 |
| 2.1.1 谱平均法 | 第20-21页 |
| 2.1.2 Kernighan-Lin算法 | 第21-22页 |
| 2.1.3 层次聚类算法 | 第22-24页 |
| 2.1.4 GN算法 | 第24-26页 |
| 2.1.5 基于标签的社团发现算法 | 第26-27页 |
| 2.2 基于统计推理的社团发现方法 | 第27-30页 |
| 2.2.1 种植分区模型 | 第27-28页 |
| 2.2.2 对称联合链接模型 | 第28-29页 |
| 2.2.3 混合隶属度随机块模型 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 加权混合隶属度随机块模型 | 第31-48页 |
| 3.1 建立WMMSB模型 | 第31-33页 |
| 3.2 WMMSB模型构建合理性 | 第33-37页 |
| 3.2.1 社团指示向量的分布选择 | 第33-34页 |
| 3.2.2 混合隶属度的分布选择 | 第34-36页 |
| 3.2.3 模拟观测网络 | 第36-37页 |
| 3.3 参数估计 | 第37-47页 |
| 3.3.1 预备知识 | 第37-38页 |
| 3.3.1.1 似然函数 | 第37页 |
| 3.3.1.2 最大似然估计 | 第37-38页 |
| 3.3.1.3 Jensen不等式 | 第38页 |
| 3.3.2 VEM算法 | 第38-44页 |
| 3.3.2.1 EM算法 | 第38-41页 |
| 3.3.2.2 VEM算法 | 第41-44页 |
| 3.3.3 基于VEM算法的WMMSB模型参数估计 | 第44-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 WMMSB在实际网络中的应用 | 第48-71页 |
| 4.1 社团划分度量标准 | 第48-50页 |
| 4.1.1 网络可视化 | 第48-49页 |
| 4.1.2 模块度 | 第49页 |
| 4.1.3 节点划分准确率 | 第49-50页 |
| 4.2 实验结果展示与分析 | 第50-70页 |
| 4.2.1 期刊引用网络实验分析 | 第51-57页 |
| 4.2.2 博文转发网络实验分析 | 第57-70页 |
| 4.2.2.1 数据选择依据 | 第57页 |
| 4.2.2.2 博文转发网络节点选择 | 第57-58页 |
| 4.2.2.3 WMMSB应用于博文转发网络实验结果分析 | 第58-64页 |
| 4.2.2.4 MMSB应用于无权博文转发网络实验结果分析 | 第64-69页 |
| 4.2.2.5 WMMSB和MMSB结果对比与分析 | 第69-70页 |
| 4.3 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 工作总结 | 第71页 |
| 5.2 工作展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-79页 |
