| 摘要 | 第11-13页 |
| Abstract | 第13-14页 |
| 第一章 绪论 | 第15-34页 |
| 1.1 研究背景与问题 | 第15-21页 |
| 1.1.1 网络数据 | 第15-17页 |
| 1.1.2 面向网络数据的数据挖掘 | 第17-19页 |
| 1.1.3 研究问题 | 第19-21页 |
| 1.2 研究现状 | 第21-30页 |
| 1.2.1 社区发现 | 第21-28页 |
| 1.2.2 网络数据分类 | 第28-30页 |
| 1.3 本文主要工作 | 第30-32页 |
| 1.4 论文结构 | 第32-34页 |
| 第二章 概率生成模型的相关理论和方法 | 第34-44页 |
| 2.1 概率基础 | 第34-39页 |
| 2.1.1 概率分布 | 第34-36页 |
| 2.1.2 概率生成模型 | 第36-39页 |
| 2.2 参数估计方法 | 第39-42页 |
| 2.2.1 极大似然估计 | 第39页 |
| 2.2.2 期望最大化 | 第39-41页 |
| 2.2.3 变分法 | 第41页 |
| 2.2.4 吉布斯采样 | 第41-42页 |
| 2.3 非参数方法 | 第42-43页 |
| 2.4 本章小结 | 第43-44页 |
| 第三章 基于节点社区模型的非重叠社区发现方法 | 第44-65页 |
| 3.1 引言 | 第44-45页 |
| 3.2 相关研究工作 | 第45页 |
| 3.3 节点社区模型 | 第45-49页 |
| 3.4 非重叠社区发现方法 | 第49-52页 |
| 3.5 实验研究 | 第52-59页 |
| 3.5.1 实验数据和评价指标 | 第53页 |
| 3.5.2 初始社区个数的影响 | 第53-55页 |
| 3.5.3 超参数的影响 | 第55-59页 |
| 3.6 对比实验 | 第59-64页 |
| 3.6.1 实验数据和评价指标 | 第59-60页 |
| 3.6.2 基准网络的实验结果 | 第60-62页 |
| 3.6.3 真实网络的实验结果 | 第62页 |
| 3.6.4 随机网络的实验结果 | 第62-64页 |
| 3.7 本章小结 | 第64-65页 |
| 第四章 基于边社区模型的重叠社区发现方法 | 第65-94页 |
| 4.1 引言 | 第65-66页 |
| 4.2 相关研究工作 | 第66-67页 |
| 4.3 边社区模型 | 第67-71页 |
| 4.3.1 边社区模型的基本思想 | 第67-68页 |
| 4.3.2 模型描述 | 第68-71页 |
| 4.4 模型求解 | 第71-78页 |
| 4.4.1 基于最小化均方误差的参数估计方法 | 第71-72页 |
| 4.4.2 计算参数 θ 的取值 | 第72-73页 |
| 4.4.3 计算参数 φ 的取值 | 第73-75页 |
| 4.4.4 计算潜在变量的取值 | 第75-78页 |
| 4.5 重叠社区发现方法 | 第78-81页 |
| 4.5.1 计算重叠社区 | 第78页 |
| 4.5.2 计算社区个数 | 第78-79页 |
| 4.5.3 基于距离的社区过滤 | 第79-81页 |
| 4.6 实验研究 | 第81-86页 |
| 4.6.1 实验数据和评价指标 | 第81-82页 |
| 4.6.2 超参数的影响 | 第82-86页 |
| 4.7 对比实验 | 第86-92页 |
| 4.7.1 基准网络上的实验结果 | 第87-90页 |
| 4.7.2 真实网络上的实验结果 | 第90-92页 |
| 4.7.3 随机网络上的实验结果 | 第92页 |
| 4.8 本章小结 | 第92-94页 |
| 第五章 基于概率生成模型的网络数据分类方法 | 第94-109页 |
| 5.1 引言 | 第94-95页 |
| 5.2 相关研究工作 | 第95-96页 |
| 5.3 基于类别传播分布的网络概率生成模型 | 第96-99页 |
| 5.3.1 类别传播分布 | 第96-97页 |
| 5.3.2 模型描述 | 第97-99页 |
| 5.4 网络数据分类方法 | 第99-103页 |
| 5.5 实验结果 | 第103-108页 |
| 5.5.1 实验数据及评价标准 | 第103页 |
| 5.5.2 对比实验 | 第103-107页 |
| 5.5.3 参数α对分类结果的影响 | 第107页 |
| 5.5.4 burn-in对分类结果的影响 | 第107-108页 |
| 5.6 本章小结 | 第108-109页 |
| 第六章 ADraw：一个基于节点属性的网络可视化工具 | 第109-130页 |
| 6.1 引言 | 第109-110页 |
| 6.2 相关工作 | 第110-113页 |
| 6.2.1 节点布局方法 | 第110-112页 |
| 6.2.2 属性可视化方法 | 第112-113页 |
| 6.3 基于属性的多阶段聚类布局算法 | 第113-115页 |
| 6.4 基于属性的节点着色算法 | 第115-118页 |
| 6.5 可视化效果 | 第118-129页 |
| 6.5.1 示例网络上的可视化效果 | 第118-121页 |
| 6.5.2 网络和节点社区的可视化效果 | 第121-126页 |
| 6.5.3 网络和节点类别的可视化效果 | 第126-129页 |
| 6.6 本章小结 | 第129-130页 |
| 第七章 结论与展望 | 第130-133页 |
| 7.1 本文工作总结 | 第130-131页 |
| 7.2 下一步的研究工作 | 第131-133页 |
| 致谢 | 第133-135页 |
| 参考文献 | 第135-145页 |
| 作者在学期间取得的学术成果 | 第145页 |