| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 相关研究现状 | 第14-20页 |
| 1.2.1 复杂网络中角色识别的一般方法 | 第15-18页 |
| 1.2.2 在线社会网络中的角色识别 | 第18-20页 |
| 1.3 论文主要研究内容 | 第20-21页 |
| 1.4 论文组织结构 | 第21-23页 |
| 第二章 基于加权拓扑势的角色识别方法与网络动态分析 | 第23-40页 |
| 2.1 引言 | 第23-24页 |
| 2.2 有向加权拓扑势构建 | 第24-26页 |
| 2.2.1 拓扑势与拓扑势熵 | 第24-25页 |
| 2.2.2 节点有向加权拓扑势构建 | 第25-26页 |
| 2.3 基于有向加权拓扑势的节点静态角色识别 | 第26-28页 |
| 2.3.1 数据集描述 | 第27页 |
| 2.3.2 基于节点流量的“质量”计算 | 第27页 |
| 2.3.3 静态节点角色识别算法步骤 | 第27-28页 |
| 2.4 基于有向加权拓扑势的动态角色分析 | 第28-29页 |
| 2.5 实验分析 | 第29-33页 |
| 2.5.1 静态角色实验分析 | 第29-30页 |
| 2.5.2 动态角色实验分析 | 第30-33页 |
| 2.6 基于节点角色的网络动态演化分析 | 第33-38页 |
| 2.6.1 基于节点拓扑势值的网络演化分析 | 第33-34页 |
| 2.6.2 基于角色分布比例的网络演化分析 | 第34-35页 |
| 2.6.3 基于网络拓扑势熵的网络演化分析 | 第35-36页 |
| 2.6.4 基于节点角色所属概率的网络演化分析 | 第36-38页 |
| 2.7 本章小结 | 第38-40页 |
| 第三章 在线社会网络节点特征量分析 | 第40-52页 |
| 3.1 引言 | 第40-41页 |
| 3.2 数据集描述 | 第41-42页 |
| 3.3 微博用户特征量及其相关性实证分析 | 第42-51页 |
| 3.3.1 用户粉丝数和关注数特征量分析 | 第42-45页 |
| 3.3.2 用户微博数和收藏数特征量分析 | 第45-48页 |
| 3.3.3 用户微博转发评论点赞特征量分析 | 第48-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 基于SVD-NMF的在线社会网络节点角色识别方法 | 第52-68页 |
| 4.1 引言 | 第52-53页 |
| 4.2 基于用户基本属性和行为属性的特征向量提取 | 第53-57页 |
| 4.3 基于用户特征向量的SVD-NMF角色识别方法研究 | 第57-64页 |
| 4.3.1 非负矩阵分解(NMF)算法 | 第57-60页 |
| 4.3.2 基于奇异值分解(SVD)的初始化方法 | 第60-62页 |
| 4.3.3 基于SVD-NMF分解的在线社会网络用户角色识别算法 | 第62-64页 |
| 4.4 实验分析 | 第64-66页 |
| 4.5 本章小结 | 第66-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 工作总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 作者在学期间取得的学术成果 | 第78页 |
