| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究的背景和意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·国内外的研究现状及发展趋势 | 第12-14页 |
| ·研究内容及主要工作 | 第14-15页 |
| ·论文组织工作 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第二章 社区发现技术理论概述 | 第16-29页 |
| ·社区发现和图 | 第16-18页 |
| ·图论基础知识 | 第16-17页 |
| ·社区的定义 | 第17-18页 |
| ·内聚密度(intra-cluster density)和外聚密度(inter-cluster density) | 第17-18页 |
| ·团(clique) | 第18页 |
| ·强社区(strong community)和弱社区(weak community) | 第18页 |
| ·经典社区发现技术的介绍 | 第18-25页 |
| ·传统图分割算法 | 第18-19页 |
| ·层次聚类算法 | 第19-23页 |
| ·凝聚算法 | 第20-21页 |
| ·分裂算法 | 第21-23页 |
| ·基于模块度优化方法 | 第23-24页 |
| ·谱分析算法 | 第24-25页 |
| ·社区质量客观评价标准 | 第25-28页 |
| ·模块度函数 | 第25-26页 |
| ·模块度函数的扩展 | 第26-27页 |
| ·模块度函数的局限性 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于社区吸引力的社区发现算法 | 第29-45页 |
| ·社会网络分析(Social Network Analysis)理论概述 | 第29-30页 |
| ·社会网络分析理论的起源与发展 | 第29页 |
| ·社会网络分析的应用 | 第29-30页 |
| ·基于社区吸引力的社区发现算法 | 第30-44页 |
| ·微博用户特性介绍 | 第30-31页 |
| ·算法相关定义的一些介绍 | 第31-32页 |
| ·算法总体思路描述 | 第32-33页 |
| ·算法的具体实现过程 | 第33-35页 |
| ·获取社区间吸引力矩阵 | 第33-34页 |
| ·社区合并 | 第34页 |
| ·算法实现步骤总结 | 第34-35页 |
| ·算法的复杂度分析 | 第35页 |
| ·算法的验证结果 | 第35-41页 |
| ·和Clauset-Newman-Moore算法的比较 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于社区吸引力的重叠社区发现算法 | 第45-55页 |
| ·重叠社区发现算法 | 第45-47页 |
| ·基于社区吸引力的重叠社区发现算法 | 第47-54页 |
| ·算法总体介绍 | 第47页 |
| ·算法的具体实现步骤 | 第47-48页 |
| ·算法的复杂度分析 | 第48-49页 |
| ·算法的验证结果 | 第49-52页 |
| ·两算法实验结果对比 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 工作总结与展望 | 第55-57页 |
| ·完成的主要工作 | 第55-56页 |
| ·主要贡献及创新点 | 第56页 |
| ·工作展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |
