| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 符号列表 | 第10-11页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 研究目标与内容 | 第15-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第二章 相关理论知识 | 第18-28页 |
| 2.1 社交网络 | 第18-19页 |
| 2.2 社区结构 | 第19-21页 |
| 2.3 信息传播模型 | 第21-24页 |
| 2.3.1 独立级联模型 | 第22-23页 |
| 2.3.2 线性阈值模型 | 第23-24页 |
| 2.4 影响力最大化问题 | 第24-26页 |
| 2.4.1 问题定义 | 第24-25页 |
| 2.4.2 评价标准 | 第25页 |
| 2.4.3 经典算法 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 基于节点综合相似度的多标签传播社区划分算法 | 第28-41页 |
| 3.1 引言 | 第28-29页 |
| 3.2 基于多标签传播的重叠社区划分算法 | 第29-30页 |
| 3.3 基于节点综合相似度的多标签传播算法MLPA-NCS | 第30-36页 |
| 3.3.1 初始化节点标签 | 第31页 |
| 3.3.2 节点选择策略 | 第31-32页 |
| 3.3.3 标签遍历顺序 | 第32-34页 |
| 3.3.4 更新节点标签 | 第34-35页 |
| 3.3.5 MLPA-NCS算法描述 | 第35-36页 |
| 3.3.6 算法复杂度分析 | 第36页 |
| 3.4 实验 | 第36-40页 |
| 3.4.1 实验数据 | 第36-37页 |
| 3.4.2 评价标准 | 第37-38页 |
| 3.4.3 实验结果与分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于重叠社区的影响力最大化算法 | 第41-62页 |
| 4.1 引言 | 第41-42页 |
| 4.2 基于重叠因子的核覆盖算法 | 第42-45页 |
| 4.2.1 核覆盖算法CCA | 第43-44页 |
| 4.2.2 OFCCA算法 | 第44-45页 |
| 4.3 信息传播模型NICM | 第45-47页 |
| 4.4 基于重叠社区的影响力最大化算法 | 第47-53页 |
| 4.4.1 筛选候选节点集合 | 第48-49页 |
| 4.4.2 挖掘核心节点集合 | 第49-52页 |
| 4.4.3 OCIM算法描述 | 第52-53页 |
| 4.4.4 算法复杂度分析 | 第53页 |
| 4.5 实验 | 第53-61页 |
| 4.5.1 实验数据集 | 第53-54页 |
| 4.5.2 实验结果与分析 | 第54-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 硕士期间研究成果 | 第69页 |