| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.2.1 节点重要性评估研究现状 | 第13-14页 |
| 1.2.2 社区发现研究现状 | 第14-17页 |
| 1.2.3 研究总结 | 第17页 |
| 1.3. 本文研究内容和结构 | 第17-21页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 论文结构 | 第18-21页 |
| 第2章 复杂网络理论 | 第21-31页 |
| 2.1 基本概念 | 第21-23页 |
| 2.1.1 网络的图表示 | 第21-22页 |
| 2.1.2 网络直径和平均路径长度 | 第22页 |
| 2.1.3 集聚系数 | 第22-23页 |
| 2.2 网络的特性 | 第23-30页 |
| 2.2.1 小世界性 | 第23-24页 |
| 2.2.2 无标度性 | 第24-25页 |
| 2.2.3 节点中心性与节点中心性算法 | 第25-27页 |
| 2.2.4 社团效应与社区发现算法 | 第27-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 节点影响力评估算法 | 第31-44页 |
| 3.1 算法思想描述 | 第31-32页 |
| 3.2 算法相关定义和流程 | 第32-36页 |
| 3.2.1 相关定义 | 第32-33页 |
| 3.2.2 算法过程描述 | 第33-36页 |
| 3.2.3 算法复杂度分析 | 第36页 |
| 3.3 数值实验 | 第36-43页 |
| 3.3.1 实验数据 | 第36-38页 |
| 3.3.2 评价准则与比较方法 | 第38-39页 |
| 3.3.3 参数k取值分析 | 第39-40页 |
| 3.3.4 实验结果对比分析 | 第40-43页 |
| 3.4 总结 | 第43-44页 |
| 第4章 基于节点影响力社区发现算法 | 第44-61页 |
| 4.1 算法思想描述 | 第44页 |
| 4.2 相关定义 | 第44-45页 |
| 4.3 算法流程 | 第45-49页 |
| 4.3.1 节点更新顺序 | 第46-48页 |
| 4.3.2 标签传播过程 | 第48页 |
| 4.3.3 社区合并与更新 | 第48-49页 |
| 4.3.4 算法复杂度分析 | 第49页 |
| 4.4 数值实验与评估 | 第49-60页 |
| 4.4.1 评价指标 | 第50页 |
| 4.4.2 真实网络社团探测评估分析 | 第50-54页 |
| 4.4.3 人工合成数据社团探测评估分析 | 第54-57页 |
| 4.4.4 k、lamda取值分析 | 第57-60页 |
| 4.5 本章总结 | 第60-61页 |
| 第5章 社区发现算法在领英社交网络中的应用 | 第61-67页 |
| 5.1 背景介绍 | 第61页 |
| 5.2 实证分析 | 第61-65页 |
| 5.2.1 实验数据及运行环境 | 第61-62页 |
| 5.2.2 自我中心网络（Ego Networks） | 第62-63页 |
| 5.2.3 实验结果及分析 | 第63-65页 |
| 5.3 本章小结 | 第65-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 论文主要结论 | 第67-68页 |
| 6.2 论文创新点 | 第68页 |
| 6.3 研究展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第77页 |