基于用户通话记录的社区发现算法与社区画像研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 研究现状 | 第13-20页 |
| 1.2.1 全局社区发现 | 第14-17页 |
| 1.2.2 局部社区发现 | 第17-18页 |
| 1.2.3 动态社区发现 | 第18-19页 |
| 1.2.4 通话记录数据和社区画像 | 第19-20页 |
| 1.3 主要工作和创新点 | 第20-21页 |
| 1.4 本文组织结构 | 第21-23页 |
| 第2章 局部社区发现相关理论和技术 | 第23-33页 |
| 2.1 局部社区发现的图论定义 | 第23-24页 |
| 2.2 局部社区发现的基本过程 | 第24-25页 |
| 2.3 局部社区发现代表算法 | 第25-30页 |
| 2.3.1 LWP算法 | 第25-27页 |
| 2.3.2 Clauset算法 | 第27-30页 |
| 2.4 局部社区发现评价标准 | 第30-32页 |
| 2.4.1 传统评价指标 | 第31页 |
| 2.4.2 标准互信息 | 第31-32页 |
| 2.4.3 模块度 | 第32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于邻集边的局部社区发现算法 | 第33-45页 |
| 3.1 邻集边集合和基于边权重的模块度 | 第33-35页 |
| 3.2 基于邻集边的局部社区发现算法NESA | 第35-37页 |
| 3.3 公开数据集实验 | 第37-44页 |
| 3.3.1 Karate俱乐部社区 | 第38-41页 |
| 3.3.2 美国政治书籍网络PolBooks | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 用户通话记录网络上的局部社区发现 | 第45-58页 |
| 4.1 数据预处理 | 第45-48页 |
| 4.2 构建用户通话记录网络 | 第48-51页 |
| 4.2.1 通话记录网络的无向图 | 第48-49页 |
| 4.2.2 通话记录网络权值计算方法 | 第49-51页 |
| 4.3 实验结果与分析 | 第51-57页 |
| 4.3.1 SmallCall网络 | 第51-55页 |
| 4.3.2 BigCall网络 | 第55-56页 |
| 4.3.3 实验总结 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 通话记录网络上的局部社区画像 | 第58-76页 |
| 5.1 社区画像 | 第58-67页 |
| 5.1.1 社区画像构建方法 | 第59-60页 |
| 5.1.2 实验 | 第60-67页 |
| 5.2 多角度局部社区画像框架 | 第67-75页 |
| 5.2.1 多角度画像构建策略 | 第69-70页 |
| 5.2.2 实验 | 第70-75页 |
| 5.3 本章小结 | 第75-76页 |
| 第6章 总结与展望 | 第76-79页 |
| 6.1 工作总结 | 第76-77页 |
| 6.2 工作展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 攻读硕士学位期间主要的研究成果 | 第85-86页 |
| 致谢 | 第86页 |
