基于局部扩张的社交网络社区发现方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状及分析 | 第11-14页 |
| 1.3 本文研究思路和内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章 相关理论概述 | 第16-26页 |
| 2.1 社交网络 | 第16-20页 |
| 2.1.1 社交网络的表示 | 第16-18页 |
| 2.1.2 社交网络的属性 | 第18-20页 |
| 2.2 社区结构 | 第20-21页 |
| 2.2.1 社区结构的概念与表示 | 第20页 |
| 2.2.2 社区结构的重叠性 | 第20-21页 |
| 2.2.3 社区发现的认识 | 第21页 |
| 2.3 社区发现相关算法 | 第21-25页 |
| 2.3.1 谱聚类方法 | 第21-22页 |
| 2.3.2 模块度优化算法 | 第22-23页 |
| 2.3.3 分裂式层次聚类算法 | 第23页 |
| 2.3.4 聚合式层次聚类算法 | 第23-24页 |
| 2.3.5 社区发现算法的演化 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于局部扩张查询的重叠社区发现 | 第26-36页 |
| 3.1 基于团定义的社区 | 第27-29页 |
| 3.1.1 团结构 | 第27-28页 |
| 3.1.2 邻接性 | 第28-29页 |
| 3.2 基于局部扩张查询的重叠社区发现模型 | 第29-34页 |
| 3.2.1 寻找包含查询点的k准团算法 | 第30-31页 |
| 3.2.2 扩张算法的实现 | 第31-32页 |
| 3.2.3 遗漏节点的检测和划分 | 第32-34页 |
| 3.2.4 算法分析与优势总结 | 第34页 |
| 3.3 本章小结 | 第34-36页 |
| 第4章 基于加权网络核心节点局部扩张的社区发现 | 第36-46页 |
| 4.1 基本概念及其定义 | 第37-39页 |
| 4.1.1 加权社交网络 | 第37页 |
| 4.1.2 核心节点 | 第37-38页 |
| 4.1.3 加权社区模块度 | 第38-39页 |
| 4.2 算法描述 | 第39-44页 |
| 4.2.1 核心节点的选择 | 第40-41页 |
| 4.2.2 基于核心节点的扩张 | 第41-43页 |
| 4.2.3 遗漏节点的检测和划分 | 第43-44页 |
| 4.3 算法分析 | 第44页 |
| 4.4 本章小结 | 第44-46页 |
| 第5章 实验结果与分析 | 第46-56页 |
| 5.1 仿真环境 | 第46页 |
| 5.2 仿真数据集 | 第46-48页 |
| 5.3 性能评估标准 | 第48-49页 |
| 5.4 基于局部扩张查询社区发现算法 | 第49-52页 |
| 5.4.1 参数k的影响 | 第49页 |
| 5.4.2 社区发现质量 | 第49-52页 |
| 5.4.3 运行时间 | 第52页 |
| 5.5 基于加权网络局部扩张的社区发现 | 第52-55页 |
| 5.6 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64页 |
