符号网络局部社区发现算法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 传统网络局部社区发现 | 第10-12页 |
| 1.2.2 符号网络局部社区发现 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第2章 基础知识概述 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 符号网络的定义及存储 | 第15-17页 |
| 2.3 社区及社区发现简介 | 第17-18页 |
| 2.4 广度优先搜索 | 第18-19页 |
| 2.5 结构平衡理论 | 第19-20页 |
| 2.6 节点相似性度量分类 | 第20页 |
| 2.7 评价指标 | 第20-21页 |
| 2.8 相关算法简介 | 第21-24页 |
| 2.8.1 基于两阶段处理的局部社区发现 | 第21-23页 |
| 2.8.2 基于用户相似性的局部社区发现 | 第23-24页 |
| 2.9 本章小结 | 第24-25页 |
| 第3章 基于两阶段融合的局部社区发现算法 | 第25-36页 |
| 3.1 引言 | 第25页 |
| 3.2 CRA算法划分过程及存在的问题 | 第25-28页 |
| 3.2.1 划分过程 | 第25-27页 |
| 3.2.2 存在的问题 | 第27-28页 |
| 3.3 符号说明及相关定义 | 第28-31页 |
| 3.4 TFA算法思想 | 第31页 |
| 3.5 节点处理过程 | 第31-34页 |
| 3.5.1 带负边节点的处理 | 第31-33页 |
| 3.5.2 全正边节点的处理 | 第33-34页 |
| 3.6 TFA算法描述 | 第34-35页 |
| 3.7 算法的可行性 | 第35页 |
| 3.8 本章小结 | 第35-36页 |
| 第4章 基于节点相似度的局部社区发现算法 | 第36-45页 |
| 4.1 引言 | 第36页 |
| 4.2 基本定义 | 第36-38页 |
| 4.3 NSA算法思想 | 第38页 |
| 4.4 初始节点的选取过程 | 第38-41页 |
| 4.4.1 节点中心影响力分析 | 第38-40页 |
| 4.4.2 节点选取分析 | 第40-41页 |
| 4.5 社区的形成过程 | 第41-43页 |
| 4.6 NSA算法描述 | 第43-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第5章 实验及结果分析 | 第45-54页 |
| 5.1 引言 | 第45页 |
| 5.2 实验环境 | 第45页 |
| 5.3 数据格式 | 第45-46页 |
| 5.4 基于两阶段融合算法的实验 | 第46-49页 |
| 5.4.1 算法准确率 | 第46-47页 |
| 5.4.2 算法时效性 | 第47-49页 |
| 5.5 基于节点相似度算法的实验 | 第49-53页 |
| 5.5.1 实验数据集 | 第49-50页 |
| 5.5.2 实验设置及结果分析 | 第50-53页 |
| 5.6 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第59-60页 |
| 致谢 | 第60页 |
