| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-17页 |
| ·研究背景 | 第10-14页 |
| ·复杂网络 | 第10-12页 |
| ·社区发现 | 第12-14页 |
| ·内容网络 | 第14页 |
| ·研究意义 | 第14-15页 |
| ·本文主要研究的内容 | 第15-16页 |
| ·本文基本的组织架构 | 第16-17页 |
| 2 社区发现方法 | 第17-34页 |
| ·基于优化的社区发现方法 | 第17-19页 |
| ·KL算法 | 第17-18页 |
| ·FN算法 | 第18-19页 |
| ·社区发现的启发式方法 | 第19-23页 |
| ·GN算法 | 第19-21页 |
| ·MFC算法 | 第21-23页 |
| ·其他社区发现方法 | 第23-26页 |
| ·PCL模型 | 第23-25页 |
| ·随机游走 | 第25-26页 |
| ·内容网络社区发现方法 | 第26-32页 |
| ·PHITS-PLSA模型 | 第26-28页 |
| ·LDA-Link-Word模型 | 第28-29页 |
| ·LCF模型 | 第29-32页 |
| ·复杂网络社区发现的研究现状 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 3 内容网络组合模型 | 第34-51页 |
| ·Popularity and Productivity Link模型 | 第34-36页 |
| ·Discriminative Content模型 | 第36页 |
| ·PCL-DC模型 | 第36-37页 |
| ·一种新的内容网络组合模型PPL-DC模型 | 第37-40页 |
| ·PPL-DC模型的改进 | 第40-46页 |
| ·基于最小哈希的局部稀疏化方法 | 第40-45页 |
| ·基于局部稀疏化的PPL-DC模型 | 第45-46页 |
| ·实验及结果分析 | 第46-50页 |
| ·评价方法 | 第46页 |
| ·实验数据 | 第46-47页 |
| ·实验及结果分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 4 工作总结与展望 | 第51-53页 |
| ·工作总结 | 第51页 |
| ·工作展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 作者简历 | 第56-58页 |
| 学位论文数据集 | 第58页 |