个人网络的社交圈发现算法研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 引言 | 第10-12页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文主要内容和组织结构 | 第16-18页 |
| 1.3.1 主要内容 | 第16-17页 |
| 1.3.2 组织结构 | 第17-18页 |
| 2 社交网络社区发现算法概述 | 第18-36页 |
| 2.1 社交网络相关理论 | 第18-25页 |
| 2.1.1 社交网络的表示方法 | 第18-19页 |
| 2.1.2 社交网络的重要概念 | 第19-25页 |
| 2.1.3 社交网络的社区结构 | 第25页 |
| 2.2 非重叠社区发现算法 | 第25-29页 |
| 2.2.1 谱平分法 | 第25-26页 |
| 2.2.2 KL算法 | 第26页 |
| 2.2.3 GN算法 | 第26-27页 |
| 2.2.4 Newman快速算法 | 第27-29页 |
| 2.2.5 LPA算法 | 第29页 |
| 2.3 重叠社区发现算法 | 第29-34页 |
| 2.3.1 CPM算法 | 第30-31页 |
| 2.3.2 EAGLE算法 | 第31-33页 |
| 2.3.3 LFM算法 | 第33-34页 |
| 2.3.4 COPRA算法 | 第34页 |
| 2.4 本章小结 | 第34-36页 |
| 3 个人网络的社交圈发现算法 | 第36-48页 |
| 3.1 个人网络概述 | 第36-37页 |
| 3.2 DSCEN算法 | 第37-43页 |
| 3.2.1 算法模型构建 | 第37-39页 |
| 3.2.2 算法训练过程 | 第39-41页 |
| 3.2.3 属性向量构建 | 第41-43页 |
| 3.2.4 算法描述 | 第43页 |
| 3.3 DSCEN快速算法 | 第43-47页 |
| 3.3.1 MCMC方法 | 第44-45页 |
| 3.3.2 算法描述 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 4 个人网络社交圈发现算法的改进 | 第48-61页 |
| 4.1 基于节点相似度的DSCEN算法改进 | 第48-50页 |
| 4.1.1 节点相似度构建 | 第48-49页 |
| 4.1.2 DSCEN算法改进 | 第49-50页 |
| 4.2 DSCEN算法改进的实验分析与评估 | 第50-57页 |
| 4.2.1 实验数据 | 第50页 |
| 4.2.2 实验方案 | 第50-51页 |
| 4.2.3 算法评估方法 | 第51-52页 |
| 4.2.4 实验结果与分析 | 第52-57页 |
| 4.3 基于节点中心性的DSCEN快速算法改进 | 第57-58页 |
| 4.3.1 节点中心性构建 | 第57-58页 |
| 4.3.2 DSCEN快速算法改进 | 第58页 |
| 4.4 DSCEN快速算法改进的实验分析与评估 | 第58-60页 |
| 4.4.1 实验方案 | 第58-59页 |
| 4.4.2 实验结果与分析 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 在学研究成果 | 第65-66页 |
| 致谢 | 第66页 |
