| 摘要 | 第1-3页 |
| 英文摘要 | 第3-7页 |
| 第一章 绪论 | 第7-13页 |
| 第一节 研究背景及意义 | 第7-8页 |
| 第二节 国内外研究现状 | 第8-10页 |
| 一、复杂网络聚类方法研究综述 | 第8-9页 |
| 二、网络舆情主题分析研究综述 | 第9-10页 |
| 第三节 本文的研究内容 | 第10-11页 |
| 第四节 本文的组织结构 | 第11-13页 |
| 第二章 复杂网络社团发现方法理论基础 | 第13-23页 |
| 第一节 复杂网络与社团结构 | 第13-17页 |
| 一、复杂网络相关概念 | 第13-14页 |
| 二、社团结构相关概念 | 第14-17页 |
| 第二节 复杂网络社团发现主流算法 | 第17-21页 |
| 一、图形分割算法 | 第17-18页 |
| 二、分裂方法 | 第18-19页 |
| 三、凝聚方法 | 第19-21页 |
| 第三节 复杂网络交联社团发现算法 | 第21-22页 |
| 第四节 本章小结 | 第22-23页 |
| 第三章 基于FCM算法的复杂网络交联社团发现 | 第23-31页 |
| 第一节 聚类与社团发现 | 第23-24页 |
| 第二节 FCM算法理论基础 | 第24-26页 |
| 一、模糊聚类算法基础知识 | 第24-26页 |
| 二、FCM聚类算法的影响参数及特点 | 第26页 |
| 第三节 FCM聚类算法发现交联社团结构 | 第26-27页 |
| 一、对FCM聚类算法的改进 | 第26-27页 |
| 二、交联社团结构发现的实现步骤 | 第27页 |
| 第四节 实验与结果分析 | 第27-30页 |
| 一、空手道俱乐部Zachary网络 | 第27-29页 |
| 二、美国大学橄榄球联盟Football网络 | 第29-30页 |
| 第五节 本章小结 | 第30-31页 |
| 第四章 基于LDA模型的文本主题分析 | 第31-49页 |
| 第一节 LDA模型基础理论 | 第31-37页 |
| 一、概率主题模型 | 第31-32页 |
| 二、LDA模型 | 第32-36页 |
| 三、LDA模型的参数估计算法 | 第36-37页 |
| 第二节 基于模糊聚类方法优化LDA模型 | 第37-41页 |
| 一、基于LDA模型的文本聚类 | 第37-40页 |
| 二、文本主题分析 | 第40-41页 |
| 第三节 实验与结果分析 | 第41-48页 |
| 一、实验流程、实验环境和实验语料 | 第41-42页 |
| 二、实验设计与结果 | 第42-48页 |
| 第四节 本章小结 | 第48-49页 |
| 第五章 网络舆情主题分析及实证研究 | 第49-64页 |
| 第一节 基于优化FCM算法的微博用户网络交联社团发现 | 第49-53页 |
| 一、微博数据的采集与处理 | 第49-50页 |
| 二、微博用户网络交联社团发现 | 第50-53页 |
| 第二节 基于优化LDA模型的微博文本主题分析 | 第53-58页 |
| 一、微博文本数据的采集和处理 | 第53-54页 |
| 二、微博博文主题分析 | 第54-58页 |
| 第三节 基于交联社团发现的博主关系网络分析 | 第58-63页 |
| 第四节 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 第一节 本文总结 | 第64-65页 |
| 第二节 工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 硕士期间发表论文及参与科研项目 | 第71页 |