| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-10页 |
| 图目录 | 第10-11页 |
| 表目录 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题背景及意义 | 第12-13页 |
| 1.2 课题研究现状 | 第13-16页 |
| 1.2.1 社区发现算法 | 第13-15页 |
| 1.2.2 影响力分析技术 | 第15-16页 |
| 1.3 主要问题分析 | 第16-17页 |
| 1.4 本文主要内容和组织结构 | 第17-20页 |
| 1.4.1 主要内容 | 第17-18页 |
| 1.4.2 组织结构 | 第18-20页 |
| 第二章 社会网络基本概念与特征分析 | 第20-28页 |
| 2.1 社会网络基本概念 | 第20-21页 |
| 2.1.1 社会网络定义 | 第20-21页 |
| 2.1.2 网络的图表示 | 第21页 |
| 2.2 社会网络的主要性质 | 第21-24页 |
| 2.2.1 小世界现象 | 第21-22页 |
| 2.2.2 度与度分布 | 第22-23页 |
| 2.2.3 网络的聚集性 | 第23-24页 |
| 2.2.4 弱连接的强度 | 第24页 |
| 2.3 社会网络属性特征分析 | 第24-26页 |
| 2.3.1 网络属性分析 | 第25页 |
| 2.3.2 节点属性相似度 | 第25-26页 |
| 2.3.3 边的强度 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 一种联合拓扑与属性的社区发现算法 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 联合拓扑与属性的社会网络描述 | 第28-31页 |
| 3.2.1 完全信息图概念 | 第28-29页 |
| 3.2.2 完全相异距离指数的计算 | 第29-31页 |
| 3.3 基于模糊等价关系的社区发现算法 | 第31-36页 |
| 3.3.1 模糊等价关系的建立 | 第31-33页 |
| 3.3.2 算法描述 | 第33-35页 |
| 3.3.3 算法复杂度分析 | 第35页 |
| 3.3.4 参数讨论 | 第35-36页 |
| 3.4 实验仿真 | 第36-40页 |
| 3.4.1 算法结果测试 | 第36-38页 |
| 3.4.2 算法性能分析 | 第38-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 基于加权网络的增量式动态社区发现算法 | 第42-56页 |
| 4.1 引言 | 第42页 |
| 4.2 动态网络描述 | 第42-45页 |
| 4.2.1 属性加权动态网络 | 第42-43页 |
| 4.2.2 属性加权网络的拓扑势定义 | 第43-44页 |
| 4.2.3 属性加权网络的模块度计算 | 第44-45页 |
| 4.3 动态社区发现算法 | 第45-49页 |
| 4.3.1 基于点增量的社区变化 | 第45-47页 |
| 4.3.2 基于边增量的社区变化 | 第47-49页 |
| 4.3.3 基于网络增量的动态社区算法描述 | 第49页 |
| 4.4 实验仿真 | 第49-54页 |
| 4.4.1 人人网数据 | 第50-52页 |
| 4.4.2 Enron 邮件网络数据 | 第52-53页 |
| 4.4.3 恐怖分子 VAST 数据 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 基于社区结构的用户影响力评估模型 | 第56-66页 |
| 5.1 引言 | 第56页 |
| 5.2 问题描述 | 第56-57页 |
| 5.3 区域影响力 InfR 算法 | 第57-59页 |
| 5.3.1 影响激活概率 | 第57-58页 |
| 5.3.2 InfR 算法 | 第58-59页 |
| 5.4 基于 Top-k 的综合影响力 InfG 模型 | 第59-61页 |
| 5.5 实验仿真 | 第61-64页 |
| 5.5.1 区域影响力分析 | 第61-63页 |
| 5.5.2 综合影响力分析 | 第63-64页 |
| 5.6 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 全文总结 | 第66页 |
| 6.2 本文的主要创新点 | 第66页 |
| 6.3 下一步研究工作展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第74页 |