社会网络中社团发现及网络演化分析
| 摘要 | 第5-8页 |
| ABSTRACT | 第8-11页 |
| 主要缩略语及中英文对照 | 第18-19页 |
| 符号说明 | 第19-21页 |
| 第一章 绪论 | 第21-30页 |
| 1.1 研究背景 | 第21-22页 |
| 1.2 研究的目的和意义 | 第22-24页 |
| 1.3 主要研究内容和创新点 | 第24-27页 |
| 1.4 论文的结构 | 第27-30页 |
| 第二章 相关研究综述 | 第30-50页 |
| 2.1 本章引言 | 第30-31页 |
| 2.2 复杂网络概述 | 第31-33页 |
| 2.2.1 网络拓扑结构性质 | 第31-32页 |
| 2.2.2 节点的重要性分析 | 第32-33页 |
| 2.3 社团发现概述 | 第33-38页 |
| 2.3.1 非重叠社团发现算法 | 第34-35页 |
| 2.3.2 重叠社团结构发现算法 | 第35-37页 |
| 2.3.3 基于多特征的社团发现算法 | 第37-38页 |
| 2.3.4 大规模网络中社团发现算法 | 第38页 |
| 2.4 社团演化分析概述 | 第38-44页 |
| 2.4.1 基于独立社团发现的演化分析 | 第39-40页 |
| 2.4.2 基于网络融合的社团演化分析 | 第40-41页 |
| 2.4.3 基于演化聚类平滑性的社团演化分析 | 第41-42页 |
| 2.4.4 基于节点行为的社团演化分析 | 第42页 |
| 2.4.5 其他社团演化分析算法 | 第42-44页 |
| 2.5 复杂网络分析平台概述 | 第44-49页 |
| 2.5.1 并行计算模型 | 第44-47页 |
| 2.5.2 网络分析与可视化系统 | 第47-49页 |
| 2.6 本章小结 | 第49-50页 |
| 第三章 基于话题模型的重叠社团发现算法 | 第50-66页 |
| 3.1 本章引言 | 第50-51页 |
| 3.2 问题描述 | 第51页 |
| 3.3 潜在狄利克雷分布 | 第51-53页 |
| 3.4 基于话题模型的重叠社团发现算法 | 第53-58页 |
| 3.4.1 网络向量化编码 | 第54页 |
| 3.4.2 Link-LDA算法 | 第54-56页 |
| 3.4.3 重叠社团结构划分 | 第56-58页 |
| 3.5 算法复杂度分析 | 第58-59页 |
| 3.6 实验结果与分析 | 第59-65页 |
| 3.6.1 典型重叠结构实验 | 第59-60页 |
| 3.6.2 人工网络实验 | 第60-62页 |
| 3.6.3 真实数据集实验 | 第62-63页 |
| 3.6.4 进一步讨论 | 第63-65页 |
| 3.7 本章小结 | 第65-66页 |
| 第四章 基于特征融合的重叠社团发现算法 | 第66-86页 |
| 4.1 本章引言 | 第66-68页 |
| 4.2 基于特征融合的社团发现算法 | 第68-71页 |
| 4.2.1 问题描述 | 第68-69页 |
| 4.2.2 线性LBLP-FI-V融合策略 | 第69-70页 |
| 4.2.3 非线性LBLP-FI-W融合策略 | 第70-71页 |
| 4.3 并行化LDA算法 | 第71-75页 |
| 4.4 实验结果与分析 | 第75-85页 |
| 4.4.1 人工数据集实验 | 第75-77页 |
| 4.4.2 真实数据集实验 | 第77-80页 |
| 4.4.3 DBLP网络社团结构分析 | 第80-81页 |
| 4.4.4 算法性能分析 | 第81-83页 |
| 4.4.5 实验结果讨论 | 第83-85页 |
| 4.5 本章小结 | 第85-86页 |
| 第五章 基于张量分解的社团演化分析算法 | 第86-110页 |
| 5.1 本章引言 | 第86-87页 |
| 5.2 背景知识介绍 | 第87-93页 |
| 5.2.1 张量代数基础 | 第87-91页 |
| 5.2.2 张量分解 | 第91-93页 |
| 5.3 基于张量分解的社团演化分析方法 | 第93-100页 |
| 5.3.1 基于矩阵分解的静态社团挖掘 | 第93-94页 |
| 5.3.2 基于张量的动态网络建模 | 第94-97页 |
| 5.3.3 动态网络中社团演化分析 | 第97-100页 |
| 5.4 实验结果与分析 | 第100-109页 |
| 5.4.1 人工网络分析 | 第100-106页 |
| 5.4.2 真实网络分析 | 第106-109页 |
| 5.5 本章小结 | 第109-110页 |
| 第六章 基于云工作流的数据分析系统 | 第110-127页 |
| 6.1 研究背景 | 第110-112页 |
| 6.2 系统设计与架构 | 第112-115页 |
| 6.3 云工作流引擎设计 | 第115-120页 |
| 6.3.1 工作流程解析 | 第116-117页 |
| 6.3.2 工作流程执行 | 第117-120页 |
| 6.4 应用案例分析 | 第120-123页 |
| 6.4.1 套餐推荐 | 第120-121页 |
| 6.4.2 客户流失预测 | 第121-123页 |
| 6.5 系统性能分析 | 第123-126页 |
| 6.5.1 工作流性能比较 | 第123-124页 |
| 6.5.2 多用户并发操作 | 第124页 |
| 6.5.3 算法性能测试 | 第124-126页 |
| 6.6 本章小结 | 第126-127页 |
| 第七章 总结与展望 | 第127-130页 |
| 7.1 研究工作总结 | 第127-128页 |
| 7.2 下一步研究工作的展望 | 第128-130页 |
| 参考文献 | 第130-141页 |
| 致谢 | 第141-142页 |
| 攻读博士学位期间发表的论文及成果 | 第142-143页 |
| 攻读博士学位期间参与项目 | 第143页 |
