| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 1. 引言 | 第7-13页 |
| 1.1. 研究背景及意义 | 第7-10页 |
| 1.2. 国内外研究现状 | 第10-11页 |
| 1.3. 研究内容和主要工作 | 第11页 |
| 1.4. 论文结构和安排 | 第11-13页 |
| 2. 置信度传播方法概述 | 第13-22页 |
| 2.1. 置信度传播理论的起源与发展 | 第13页 |
| 2.2. 贝叶斯网络里的置信度传播思想 | 第13-15页 |
| 2.3. 置信度传播算法在成对Markov模型中的应用 | 第15-17页 |
| 2.4. 置信度传播算法在随机分块模型中的应用 | 第17-22页 |
| 2.4.1. 置信度传播思想应用于随机分块模型 | 第17-19页 |
| 2.4.2. 将成对Markov上置信度传播方法应用于随机分块模型中 | 第19-20页 |
| 2.4.3. 两种在随机分块模型中标签预测方法的等价推导 | 第20-22页 |
| 3. 建立依赖于协变量的网络社区模型以及探索其社区发现方法 | 第22-28页 |
| 3.1. 建模背景 | 第22页 |
| 3.2. 模型建立 | 第22-24页 |
| 3.3. 置信度传播算法推广于所建模型 | 第24-28页 |
| 4. 算法步骤和实验模拟 | 第28-37页 |
| 4.1. 算法具体步骤 | 第28页 |
| 4.2. 生成带协变量的网络社区发现模型以及程序实现结果 | 第28-31页 |
| 4.3. 带有协变量的基金委统计学关键词网络的社区发现 | 第31-37页 |
| 4.3.1. 数据介绍 | 第31-33页 |
| 4.3.2. 实验结果 | 第33-35页 |
| 4.3.3. 实验结果分析 | 第35-37页 |
| 5. 总结与展望 | 第37-39页 |
| 5.1. 论文总结 | 第37页 |
| 5.2. 关于网络社区发现方法的进一步想法 | 第37-39页 |
| 参考文献 | 第39-40页 |
| 致谢 | 第40页 |
