| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1 引言 | 第9-12页 |
| ·研究的背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10页 |
| ·研究的目标和内容 | 第10-11页 |
| ·本论文研究的成果和创新点 | 第11页 |
| ·论文的组织结构 | 第11-12页 |
| 2 社会网络分析方法在数据挖掘的应用综述 | 第12-22页 |
| ·社会网络分析的基本概念 | 第12-13页 |
| ·社会网络数据的特点和分析任务 | 第13-16页 |
| ·社会网络的表示 | 第13-14页 |
| ·社会网络数据的特点 | 第14-15页 |
| ·社会网络分析的任务 | 第15-16页 |
| ·社会网络分析在数据挖掘中的应用 | 第16-18页 |
| ·社会网络数据的知识发现系统体系结构 | 第18-20页 |
| ·设计目标 | 第18页 |
| ·总体架构 | 第18-20页 |
| ·小结 | 第20-22页 |
| 3 Email社会网络社群挖掘的数学模型和算法 | 第22-35页 |
| ·社群的定义 | 第22-27页 |
| ·广义的社群概念 | 第22-23页 |
| ·传统的凝聚子群 | 第23-25页 |
| ·基于连接特性的社群 | 第25-27页 |
| ·传统的社群挖掘算法介绍 | 第27-30页 |
| ·图分割法 | 第27-28页 |
| ·GN算法 | 第28-29页 |
| ·相关扩展问题及其进展 | 第29-30页 |
| ·基于连接特性的Email社会网络社群挖掘算法 | 第30-34页 |
| ·Email社会网络社群种子成员的选取 | 第30-31页 |
| ·Email社会网络社会S的生成 | 第31-33页 |
| ·Email社会网络社群成员的生成 | 第33-34页 |
| ·小结 | 第34-35页 |
| 4 Email社会网络社群成员重要程度的评价模型和算法 | 第35-42页 |
| ·社会网络分析中心性指标集 | 第35-38页 |
| ·点度中心度 | 第35-36页 |
| ·中间中心度 | 第36-37页 |
| ·接近中心度 | 第37-38页 |
| ·基于中心性指标的社群核心成员挖掘模型 | 第38-40页 |
| ·基于Page rank思想的社群成员重要程度评价模型 | 第40-41页 |
| ·小结 | 第41-42页 |
| 5 基于Enron email数据集的实验 | 第42-54页 |
| ·Enron email数据集介绍 | 第42页 |
| ·实验的总体设计 | 第42-45页 |
| ·Email社会网络的构建 | 第45-46页 |
| ·Enron数据集的数据模型 | 第45-46页 |
| ·社会网络的构建算法 | 第46页 |
| ·社群挖掘的实验结果 | 第46-48页 |
| ·社群成员分析的实验结果 | 第48-53页 |
| ·小结 | 第53-54页 |
| 6 结论 | 第54-56页 |
| ·论文工作总结 | 第54页 |
| ·未来的研究工作 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 学位论文数据集 | 第59页 |