| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 社区发现研究现状 | 第12-13页 |
| 1.2.2 节点影响力研究现状 | 第13-14页 |
| 1.3 本文研究工作 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章 社会网络的社区发现和节点影响力的研究 | 第16-26页 |
| 2.1 社会网络的理论基础 | 第16-18页 |
| 2.1.1 社会网络简介 | 第16-17页 |
| 2.1.2 几何特征 | 第17-18页 |
| 2.1.3 六度分离和 150 法则 | 第18页 |
| 2.2 传统社区发现算法 | 第18-20页 |
| 2.2.1 图划分 | 第19页 |
| 2.2.2 分级聚类算法 | 第19-20页 |
| 2.3 现代社区发现算法 | 第20-22页 |
| 2.3.1 分裂法 | 第20-21页 |
| 2.3.2 基于模块度的方法 | 第21-22页 |
| 2.3.3 基于统计推断的方法 | 第22页 |
| 2.3.4 基于派系过滤的方法 | 第22页 |
| 2.4 节点的影响力 | 第22-25页 |
| 2.4.1 度中心性 | 第23页 |
| 2.4.2 紧密度中心性 | 第23页 |
| 2.4.3 介数中心性 | 第23-24页 |
| 2.4.4 特征向量中心性 | 第24页 |
| 2.4.5 PageRank 中心性 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于代表点的社区发现算法 | 第26-43页 |
| 3.1 CURE 聚类算法简介 | 第26-27页 |
| 3.2 基于代表点的社区发现算法(RCD) | 第27-33页 |
| 3.2.1 问题描述 | 第27-31页 |
| 3.2.2 基于代表点的社区发现算法 | 第31-32页 |
| 3.2.3 算法的初始化问题 | 第32-33页 |
| 3.3 实验评估标准 | 第33-34页 |
| 3.3.1 模块度 | 第33-34页 |
| 3.3.2 纯度 | 第34页 |
| 3.3.3 ARI(Adjusted Rand Index) | 第34页 |
| 3.4 实验结果及分析 | 第34-41页 |
| 3.4.1 karate 数据集 | 第35-37页 |
| 3.4.2 American College football 数据集 | 第37-39页 |
| 3.4.3 DBLP 协作者网络数据集 | 第39-41页 |
| 3.5 实验总结 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于节点连接模式的影响力评定方法 | 第43-50页 |
| 4.1 算法描述 | 第43-44页 |
| 4.2 实验结果和分析 | 第44-48页 |
| 4.2.1 karate 数据集 | 第44-45页 |
| 4.2.2 American College football 数据集 | 第45-46页 |
| 4.2.3 DBLP 协作者网络数据集 | 第46-48页 |
| 4.3 实验总结 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 总结和展望 | 第50-52页 |
| 5.1 论文工作总结 | 第50-51页 |
| 5.2 进一步研究方向 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 作者简介及在学期间所取得的科研成果 | 第55-56页 |
| 致谢 | 第56页 |
