| 致谢 | 第5-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 绪论 | 第13-29页 |
| 1.1 研究背景与选题意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 选题意义 | 第14-15页 |
| 1.2 研究现状 | 第15-26页 |
| 1.2.1 静态社区发现算法 | 第15-21页 |
| 1.2.2 动态社区发现算法 | 第21-26页 |
| 1.3 论文的主要研究内容 | 第26-28页 |
| 1.4 论文组织结构 | 第28-29页 |
| 2 LPA-E社区发现算法 | 第29-49页 |
| 2.1 引言 | 第29页 |
| 2.2 标签传播社区发现算法 | 第29-32页 |
| 2.2.1 非重叠社区的标签传播方法 | 第29-31页 |
| 2.2.2 重叠社区的标签传播方法 | 第31-32页 |
| 2.3 LPA-E社区发现算法 | 第32-39页 |
| 2.3.1 基于用户相似度的标签传播方法 | 第32-36页 |
| 2.3.2 LPA-E隶属度系数 | 第36-39页 |
| 2.4 数值分析及结果 | 第39-47页 |
| 2.4.1 Zachary's Karate网络中LPA-E算法划分结果分析 | 第40-43页 |
| 2.4.2 真实网络中的社区发现算法对比 | 第43-45页 |
| 2.4.3 人工网络中社区发现算法对比 | 第45-47页 |
| 2.5 本章小结 | 第47-49页 |
| 3 二分网络中NMFOSC社区发现算法 | 第49-69页 |
| 3.1 引言 | 第49-50页 |
| 3.2 非负矩阵分解 | 第50-53页 |
| 3.3 NMFOSC社区发现算法 | 第53-61页 |
| 3.3.1 基于马尔科夫聚类的网络预处理 | 第53-56页 |
| 3.3.2 NMFOSC分解模型 | 第56-59页 |
| 3.3.3 社区合并 | 第59-61页 |
| 3.4 数值分析及结果 | 第61-67页 |
| 3.4.1 评价标准 | 第61-62页 |
| 3.4.2 人工网络 | 第62-63页 |
| 3.4.3 真实网络 | 第63-67页 |
| 3.5 本章小结 | 第67-69页 |
| 4 ICNP动态网络社区发现算法 | 第69-95页 |
| 4.1 引言 | 第69-70页 |
| 4.2 动态网络社会关系分析与表达 | 第70-72页 |
| 4.2.1 动态网络表达方式 | 第70-71页 |
| 4.2.2 动态社会关系网络社区结构的增量识别算法 | 第71-72页 |
| 4.3 ICNP算法 | 第72-84页 |
| 4.3.1 节点权重设定 | 第73-76页 |
| 4.3.2 增量计算 | 第76-84页 |
| 4.4 实时网络中的数值结果与分析 | 第84-93页 |
| 4.4.1 阈值分析 | 第84-86页 |
| 4.4.2 真实动态网络 | 第86-90页 |
| 4.4.3 人工动态网络 | 第90-93页 |
| 4.5 本章小结 | 第93-95页 |
| 5 社区发现算法的并行化 | 第95-111页 |
| 5.1 引言 | 第95-97页 |
| 5.2 标签传播算法的并行化处理 | 第97-105页 |
| 5.2.1 数据预处理 | 第97-99页 |
| 5.2.2 用户影响力计算 | 第99-102页 |
| 5.2.3 定义标签权重阈值 | 第102-103页 |
| 5.2.4 终止条件 | 第103-105页 |
| 5.3 数值分析及结果 | 第105-110页 |
| 5.3.1 网络架构和设置 | 第105-106页 |
| 5.3.2 实验结果分析 | 第106-110页 |
| 5.4 本章小结 | 第110-111页 |
| 6 结论 | 第111-113页 |
| 6.1 论文的工作总结 | 第111-112页 |
| 6.2 研究展望 | 第112-113页 |
| 参考文献 | 第113-123页 |
| 作者简历 | 第123-127页 |
| 学位论文数据集 | 第127页 |