| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 研究背景与意义 | 第14-16页 |
| 1.2 相关研究现状 | 第16-20页 |
| 1.2.1 社会网络的研究现状 | 第16-17页 |
| 1.2.2 基于结构属性的角色研究现状 | 第17-19页 |
| 1.2.3 基于外部属性的角色研究现状 | 第19-20页 |
| 1.3 论文的主要创新点 | 第20-21页 |
| 1.4 论文的组织结构 | 第21-23页 |
| 第二章 基于信息交互网络的个体角色分析建模 | 第23-30页 |
| 2.1 社会网络中的角色、行为、信息及结构 | 第23-24页 |
| 2.2 社会网络个体角色分析建模 | 第24-29页 |
| 2.2.1 概念定义 | 第24-27页 |
| 2.2.2 问题描述 | 第27页 |
| 2.2.3 模型框架 | 第27-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于主题模型的交互话题提取方法 | 第30-50页 |
| 3.1 主题模型的基本原理 | 第30-36页 |
| 3.1.1 主题模型的物理过程描述 | 第32-35页 |
| 3.1.2 主题模型的概率图表达 | 第35-36页 |
| 3.2 基于ART模型的交互话题提取 | 第36-39页 |
| 3.2.1 ART（Author-Recipient-Topic）主题模型 | 第36-37页 |
| 3.2.2 吉布斯采样推理 | 第37-39页 |
| 3.3 实验分析 | 第39-48页 |
| 3.3.1 安然数据集介绍 | 第39-44页 |
| 3.3.2 实验结果分析 | 第44-48页 |
| 3.4 本章小结 | 第48-50页 |
| 第四章 基于加权信息交互网络的个体角色关联度计算模型 | 第50-67页 |
| 4.1 交互边权重的计算 | 第50-52页 |
| 4.1.1 基于条件概率的边权重计算 | 第50-51页 |
| 4.1.2 基于词向量的边权重计算 | 第51页 |
| 4.1.3 基于TF-IDF的边权重计算 | 第51-52页 |
| 4.2 基于局部信息的个体局部角色关联度计算 | 第52-58页 |
| 4.2.1 基本假设 | 第52-53页 |
| 4.2.2 模型建立 | 第53-57页 |
| 4.2.3 模型分析 | 第57-58页 |
| 4.3 基于聚类算法个体全局角色关联度计算 | 第58-65页 |
| 4.3.1 模糊K均值（FCM）聚类 | 第59-61页 |
| 4.3.2 基于密度-距离（Density-Distance）的聚类 | 第61-64页 |
| 4.3.3 聚类结果的评价指标 | 第64-65页 |
| 4.4 实验分析 | 第65-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 模型在刑事侦查领域的应用 | 第67-78页 |
| 5.1 犯罪角色识别研究框架 | 第67页 |
| 5.2 实验数据介绍 | 第67-68页 |
| 5.3 实验分析 | 第68-77页 |
| 5.3.1 话题嫌疑度计算 | 第69-71页 |
| 5.3.2 个体局部嫌疑度计算 | 第71页 |
| 5.3.3 个体全局嫌疑度计算 | 第71-73页 |
| 5.3.4 结果评价及预测 | 第73-77页 |
| 5.4 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 工作总结 | 第78-79页 |
| 6.2 下一步研究展望 | 第79-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 作者在学期间取得的学术成果 | 第87-88页 |
| 附录A 攻读硕士学位期间参加科研情况 | 第88-89页 |
| 附录B 安然公司高管的姓名、职务列表 | 第89-93页 |
| 附录C 基于ART模型的安然数据主题划分结果（主题数K=75） | 第93-100页 |
