| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-24页 |
| 1.1 研究工作的背景与意义 | 第13-15页 |
| 1.2 国内外研究历史与现状 | 第15-21页 |
| 1.2.1 社区发现的国内外研究现状 | 第15-19页 |
| 1.2.2 社区演变追踪的国内外研究现状 | 第19-20页 |
| 1.2.3 社区发现和社区演变追踪面临的挑战 | 第20-21页 |
| 1.3 本文的主要研究内容 | 第21-22页 |
| 1.4 本论文的结构安排 | 第22-24页 |
| 第二章 相关理论基础 | 第24-38页 |
| 2.1 网络及其性质 | 第24-26页 |
| 2.1.1 网络的表示 | 第24页 |
| 2.1.2 小世界性和无标度性 | 第24-25页 |
| 2.1.3 社区结构性 | 第25-26页 |
| 2.2 社区发现算法概述 | 第26-33页 |
| 2.2.1 基于节点相似性聚类的算法 | 第26页 |
| 2.2.2 基于统计推理的算法 | 第26-27页 |
| 2.2.3 基于质量函数优化的算法 | 第27-28页 |
| 2.2.4 基于图分割的算法 | 第28-29页 |
| 2.2.5 基于随机游走模型的算法 | 第29-30页 |
| 2.2.6 基于谱聚类的算法 | 第30页 |
| 2.2.7 基于局部结构信息的算法 | 第30-31页 |
| 2.2.8 结合节点属性的算法 | 第31-32页 |
| 2.2.9 基于社区性质的算法 | 第32页 |
| 2.2.10 其他算法 | 第32-33页 |
| 2.3 社区演变追踪算法概述 | 第33-35页 |
| 2.3.1 传统算法 | 第34页 |
| 2.3.2 基于时序一致性的算法 | 第34页 |
| 2.3.3 增量式的局部算法 | 第34-35页 |
| 2.4 网络数据 | 第35-36页 |
| 2.5 评价指标 | 第36页 |
| 2.6 本章小结 | 第36-38页 |
| 第三章 基于加强链聚类的社交圈发现 | 第38-52页 |
| 3.1 社交圈发现 | 第38-40页 |
| 3.2 社交圈模型的建立 | 第40-41页 |
| 3.3 相似性度量 | 第41-43页 |
| 3.3.1 节点属性的使用 | 第42页 |
| 3.3.2 边的相似性 | 第42-43页 |
| 3.4 加强链聚类算法 | 第43-45页 |
| 3.4.1 真实社交圈的分析结果 | 第43-44页 |
| 3.4.2 加强链聚类算法 | 第44-45页 |
| 3.5 实验与分析 | 第45-50页 |
| 3.5.1 实验结果一 | 第45-47页 |
| 3.5.2 实验结果二 | 第47-50页 |
| 3.6 本章小结 | 第50-52页 |
| 第四章 基于加权策略的社区发现 | 第52-69页 |
| 4.1 数据集 | 第52-53页 |
| 4.2 社区性质的分析 | 第53-56页 |
| 4.3 加权策略 | 第56-57页 |
| 4.4 加权的标签传播算法 | 第57-58页 |
| 4.5 加权的Louvain算法 | 第58-60页 |
| 4.6 实验与分析 | 第60-67页 |
| 4.6.1 实验结果与分析一 | 第60-62页 |
| 4.6.2 实验结果与分析二 | 第62-64页 |
| 4.6.3 实验结果与分析三 | 第64-65页 |
| 4.6.4 实验结果与分析四 | 第65-67页 |
| 4.7 本章小结 | 第67-69页 |
| 第五章 基于加权局部视图的社区发现 | 第69-93页 |
| 5.1 基于个性化PageRank向量的局部社区发现算法 | 第70-73页 |
| 5.1.1 近似个性化PageRank向量 | 第70-72页 |
| 5.1.2 基于个性化PageRank向量的局部社区发现算法 | 第72-73页 |
| 5.2 基于加权个性化PageRank向量的局部社区发现算法 | 第73-74页 |
| 5.3 种子选取 | 第74-76页 |
| 5.4 基于加权局部视图的社区发现算法 | 第76页 |
| 5.5 时间复杂度分析 | 第76-78页 |
| 5.5.1 种子节点的选取 | 第77页 |
| 5.5.2 种子节点周围的局部社区发现 | 第77页 |
| 5.5.3 局部社区的合并 | 第77-78页 |
| 5.6 实验与分析 | 第78-91页 |
| 5.6.1 比较的算法和实验设置 | 第78-79页 |
| 5.6.2 实验结果与分析一 | 第79-86页 |
| 5.6.2.1 社区质量比较 | 第79-82页 |
| 5.6.2.2 运行时间比较 | 第82-83页 |
| 5.6.2.3 识别社区的程度 | 第83-84页 |
| 5.6.2.4 讨论 | 第84-86页 |
| 5.6.3 实验结果与分析二 | 第86-91页 |
| 5.6.3.1 相对于加权参数的性能 | 第86-87页 |
| 5.6.3.2 相对于PageRank参数的敏感度 | 第87-90页 |
| 5.6.3.3 相对于合并参数的性能 | 第90-91页 |
| 5.7 本章小结 | 第91-93页 |
| 第六章 基于局部视图的社区演变追踪 | 第93-115页 |
| 6.1 动态网络表示 | 第93-94页 |
| 6.2 局部动态社区演变追踪算法 | 第94-104页 |
| 6.2.1 局部动态社区发现 | 第95-99页 |
| 6.2.1.1 动态社区发现 | 第95-97页 |
| 6.2.1.2 社区结构更新 | 第97-99页 |
| 6.2.2 局部动态社区演变事件检测 | 第99-103页 |
| 6.2.2.1 部分演变图 | 第99-101页 |
| 6.2.2.2 社区演变事件 | 第101-102页 |
| 6.2.2.3 社区演变事件搜索 | 第102-103页 |
| 6.2.3 算法总结 | 第103-104页 |
| 6.3 实验与分析 | 第104-114页 |
| 6.3.1 对比算法及实验环境 | 第104-105页 |
| 6.3.2 人工合成网络的实验结果 | 第105-112页 |
| 6.3.2.1 小规模网络 | 第105-107页 |
| 6.3.2.2 LFR网络 | 第107-111页 |
| 6.3.2.3 变化剧烈的网络 | 第111-112页 |
| 6.3.3 现实网络的实验结果 | 第112-114页 |
| 6.4 本章小结 | 第114-115页 |
| 第七章 总结与展望 | 第115-118页 |
| 7.1 研究内容总结 | 第115-116页 |
| 7.2 未来工作展望 | 第116-118页 |
| 致谢 | 第118-119页 |
| 参考文献 | 第119-131页 |
| 攻读博士学位期间取得的成果 | 第131-132页 |
