异质网络中重叠社区发现技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国内研究现状 | 第13-14页 |
| 1.2.2 国外研究现状 | 第14-15页 |
| 1.3 论文的主要研究工作及创新点 | 第15-16页 |
| 1.4 本文结构 | 第16-17页 |
| 2 复杂网络与异质网络中的社区发现技术 | 第17-28页 |
| 2.1 复杂网络 | 第17-22页 |
| 2.1.1 复杂网络概述 | 第17-20页 |
| 2.1.2 同质网络 | 第20-21页 |
| 2.1.3 异质网络 | 第21-22页 |
| 2.2 社区结构及其定义 | 第22-25页 |
| 2.2.1 非重叠社区 | 第24页 |
| 2.2.2 重叠社区 | 第24-25页 |
| 2.3 异质网络中的社区发现技术 | 第25-27页 |
| 2.3.1 将异质网络转化为同质网络 | 第25-26页 |
| 2.3.2 不同类型实体的同步聚类 | 第26-27页 |
| 2.3.3 基于属性实体的目标实体聚类 | 第27页 |
| 2.4 小结 | 第27-28页 |
| 3 基于半监督学习的多维异质网络转化模型 | 第28-35页 |
| 3.1 异质网络转化为同质网络的主要方法 | 第28-30页 |
| 3.1.1 网络集成 | 第28-29页 |
| 3.1.2 效用集成 | 第29-30页 |
| 3.2 建模基础与模型构建 | 第30-34页 |
| 3.2.1 半监督学习 | 第30页 |
| 3.2.2 相关数学基础知识 | 第30-31页 |
| 3.2.3 网络转化模型的构建 | 第31-34页 |
| 3.3 小结 | 第34-35页 |
| 4 基于信息扩散的复杂网络重叠社区发现算法 | 第35-45页 |
| 4.1 算法概述 | 第35-43页 |
| 4.1.1 查找网络中对信息掌握程度最高的结点 | 第37-38页 |
| 4.1.2 构建主题结点集合 | 第38-39页 |
| 4.1.3 结点对所接收到的信息的接受程度分析 | 第39-41页 |
| 4.1.4 算法结束运行条件 | 第41页 |
| 4.1.5 参数t的确定 | 第41-43页 |
| 4.1.6 社区发现结果提取 | 第43页 |
| 4.2 算法收敛性分析 | 第43-44页 |
| 4.3 算法时间复杂度分析 | 第44页 |
| 4.4 小结 | 第44-45页 |
| 5 实验结果与分析 | 第45-55页 |
| 5.1 异质网络转化模型实验及测试 | 第45-48页 |
| 5.1.1 实验数据集 | 第45-47页 |
| 5.1.2 实验测试与结果 | 第47-48页 |
| 5.2 社区发现算法实验及分析 | 第48-52页 |
| 5.2.1 实验数据集 | 第48-49页 |
| 5.2.2 实验效果评价标准 | 第49页 |
| 5.2.3 社区发现结果展现与分析 | 第49-52页 |
| 5.3 集成测试实验 | 第52-54页 |
| 5.3.1 实验数据集及多维网络构建 | 第52页 |
| 5.3.2 实验测试与结果 | 第52-54页 |
| 5.4 小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间的研究成果 | 第61页 |
