基于主题关注模型的社区发现及影响最大化算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 传统社会网络社区发现 | 第11-12页 |
| 1.2.2 主题挖掘 | 第12页 |
| 1.2.3 影响最大化 | 第12-13页 |
| 1.2.4 集对分析 | 第13-14页 |
| 1.3 本文研究的内容 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 相关知识和概念 | 第16-24页 |
| 2.1 传统社会网络概述 | 第16-17页 |
| 2.2 集对分析基本概念 | 第17-18页 |
| 2.2.1 集对概念 | 第17页 |
| 2.2.2 集对联系度示例 | 第17-18页 |
| 2.3 社区发现相关概念 | 第18-20页 |
| 2.3.1 社区的概念 | 第18-19页 |
| 2.3.2 社区特点 | 第19-20页 |
| 2.4 主要影响力模型 | 第20-22页 |
| 2.4.1 线性阈值模型 | 第20-21页 |
| 2.4.2 独立级联模型 | 第21-22页 |
| 2.5 影响最大化相关算法 | 第22-23页 |
| 2.5.1 爬山贪心算法 | 第22页 |
| 2.5.2 CELF算法 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 基于主题关注模型的社区发现算法 | 第24-33页 |
| 3.1 引言 | 第24页 |
| 3.2 主题关注模型 | 第24-26页 |
| 3.3 相关定义 | 第26-29页 |
| 3.4 社区发现算法 | 第29-32页 |
| 3.4.1 算法思想 | 第29-30页 |
| 3.4.2 算法描述 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于主题关注模型的影响最大化算法 | 第33-41页 |
| 4.1 引言 | 第33页 |
| 4.2 信息传播模型 | 第33-35页 |
| 4.2.1 IC模型 | 第33-34页 |
| 4.2.2 TA_IC模型 | 第34页 |
| 4.2.3 TA_IC模型的性质 | 第34-35页 |
| 4.3 相关定义 | 第35-36页 |
| 4.4 影响最大化算法 | 第36-40页 |
| 4.4.1 算法思想 | 第36-37页 |
| 4.4.2 算法描述 | 第37-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 实验结果与分析 | 第41-54页 |
| 5.1 引言 | 第41页 |
| 5.2 算法的实验环境与数据集 | 第41-43页 |
| 5.2.1 实验环境 | 第41页 |
| 5.2.2 实验数据集 | 第41-43页 |
| 5.3 CMTC算法的实验与分析 | 第43-50页 |
| 5.3.1 评价指标 | 第43页 |
| 5.3.2 实验验证及结果分析 | 第43-50页 |
| 5.4 TA_CELF算法的实验与分析 | 第50-53页 |
| 5.4.1 评价指标 | 第50页 |
| 5.4.2 实验验证及结果分析 | 第50-53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第60-61页 |
| 致谢 | 第61页 |
