| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| TABLE OF CONTENTS | 第11-13页 |
| 图目录 | 第13-14页 |
| 表目录 | 第14-16页 |
| 主要符号表 | 第16-17页 |
| 1 绪论 | 第17-34页 |
| 1.1 研究背景与意义 | 第17-20页 |
| 1.2 相关工作研究进展 | 第20-30页 |
| 1.2.1 复杂网络 | 第20-24页 |
| 1.2.2 作者合作网络 | 第24-27页 |
| 1.2.3 学科演化 | 第27-29页 |
| 1.2.4 基于Agent的建模理论 | 第29-30页 |
| 1.3 本文主要研究思路 | 第30-31页 |
| 1.4 本文主要工作及结构安排 | 第31-34页 |
| 2 合作网络的构建 | 第34-53页 |
| 2.1 引言 | 第34-36页 |
| 2.2 合作网络的定义 | 第36-37页 |
| 2.3 数据来源 | 第37-43页 |
| 2.3.1 基于众包技术的系统Scholarometer | 第37-41页 |
| 2.3.2 Web公开数据 | 第41-43页 |
| 2.4 融合多种特征的作者名歧义性识别算法 | 第43-52页 |
| 2.4.1 歧义性识别算法中的特征选择 | 第43-47页 |
| 2.4.2 结果分析 | 第47-52页 |
| 2.5 本章小结 | 第52-53页 |
| 3 合作网络的结构 | 第53-70页 |
| 3.1 引言 | 第53-55页 |
| 3.2 合作网络的结构特征分析 | 第55-60页 |
| 3.3 基于行为和兴趣的社团发现算法 | 第60-69页 |
| 3.3.1 LDA模型及其扩展模型 | 第61-63页 |
| 3.3.2 CURA模型描述 | 第63-66页 |
| 3.3.3 结果分析 | 第66-69页 |
| 3.4 本章小结 | 第69-70页 |
| 4 合作网络演化与关系预测 | 第70-85页 |
| 4.1 引言 | 第70-71页 |
| 4.2 合作关系产生的原因分析 | 第71-75页 |
| 4.2.1 特征选择 | 第72-73页 |
| 4.2.2 结果分析 | 第73-75页 |
| 4.3 基于事件和兴趣的网络模型 | 第75-81页 |
| 4.3.1 EIM模型描述 | 第75-78页 |
| 4.3.2 模型拟合与网络分布 | 第78-81页 |
| 4.4 基于EIM模型的合作关系预测 | 第81-84页 |
| 4.4.1 对比算法 | 第81-82页 |
| 4.4.2 结果分析 | 第82-84页 |
| 4.5 本章小结 | 第84-85页 |
| 5 合作网络视角下的学科演化 | 第85-100页 |
| 5.1 引言 | 第85-86页 |
| 5.2 学科动态演化模型SDS | 第86-95页 |
| 5.2.1 SDS模型假设 | 第86-87页 |
| 5.2.2 SDS模型描述 | 第87-91页 |
| 5.2.3 结果分析 | 第91-95页 |
| 5.3 SDS改进模型 | 第95-98页 |
| 5.3.1 模型描述 | 第95-96页 |
| 5.3.2 结果分析 | 第96-98页 |
| 5.4 本章小结 | 第98-100页 |
| 6 结论与展望 | 第100-105页 |
| 6.1 结论 | 第100-102页 |
| 6.2 创新点 | 第102-103页 |
| 6.3 展望 | 第103-105页 |
| 参考文献 | 第105-114页 |
| 攻读博士学位期间科研项目及科研成果 | 第114-116页 |
| 致谢 | 第116-117页 |
| 作者简介 | 第117页 |