| 摘要 | 第4-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第15-27页 |
| 1.1 研究背景及意义 | 第15-17页 |
| 1.2 社会化网络研究领域及状况 | 第17-21页 |
| 1.2.1 社会化网络 | 第17-18页 |
| 1.2.2 复杂网络结构分析 | 第18-19页 |
| 1.2.3 影响力分析 | 第19-21页 |
| 1.2.3.1 节点中心性度量 | 第19-20页 |
| 1.2.3.2 信息传播规律 | 第20-21页 |
| 1.2.4 知识预测及推理 | 第21页 |
| 1.3 章节安排 | 第21-27页 |
| 第2章 节点隶属度分析及动态可重叠社区发现 | 第27-45页 |
| 2.1 引言 | 第27-28页 |
| 2.2 网络特征抽取 | 第28-32页 |
| 2.2.1 节点间关联强度分析 | 第28-29页 |
| 2.2.2 节点权重设定 | 第29-32页 |
| 2.3 社区动态划分 | 第32-37页 |
| 2.3.1 节点隶属度计算 | 第33-35页 |
| 2.3.2 动态社区划分 | 第35-37页 |
| 2.4 社区更新 | 第37-38页 |
| 2.5 实验及结果 | 第38-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第3章 社会网络用户兴趣分布分析及专家发现 | 第45-61页 |
| 3.1 引言 | 第45-46页 |
| 3.2 兴趣分布分析 | 第46-52页 |
| 3.2.1 数据构建 | 第46-48页 |
| 3.2.2 幂函数曲线拟合 | 第48-50页 |
| 3.2.3 兴趣分析 | 第50-52页 |
| 3.3 专家发现 | 第52-55页 |
| 3.3.1 活跃度分析 | 第52-54页 |
| 3.3.2 专家排序 | 第54页 |
| 3.3.3 领域专家发现模型 | 第54-55页 |
| 3.4 实验及结果 | 第55-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第4章 基于边绑定算法的复杂网络结构分析 | 第61-71页 |
| 4.1 引言 | 第61-62页 |
| 4.2 边属性分析 | 第62-64页 |
| 4.3 迭代绑定相似边 | 第64-66页 |
| 4.4 实验及结果 | 第66-69页 |
| 4.5 本章小结 | 第69-71页 |
| 第5章 边聚类算法和异构网络分析 | 第71-85页 |
| 5.1 引言 | 第71-72页 |
| 5.2 边聚类算法 | 第72-80页 |
| 5.2.1 关联程度分析 | 第73-76页 |
| 5.2.2 可重叠聚类 | 第76-80页 |
| 5.3 实验及结果 | 第80-84页 |
| 5.4 本章小结 | 第84-85页 |
| 第6章 基于图结构分析的多文档隐含语义信息挖掘及文本匹配 | 第85-103页 |
| 6.1 引言 | 第85-86页 |
| 6.2 语义知识表示 | 第86-93页 |
| 6.2.1 语义图 | 第86-89页 |
| 6.2.2 SemGraph合并及更新 | 第89-91页 |
| 6.2.3 语义树构建 | 第91-93页 |
| 6.3 隐藏频繁结构挖掘 | 第93-97页 |
| 6.3.1 隐藏频繁结构挖掘 | 第93-94页 |
| 6.3.2 IStruc结构挖掘 | 第94-97页 |
| 6.4 评分策略 | 第97-98页 |
| 6.5 实验及结果 | 第98-101页 |
| 6.6 本章小结 | 第101-103页 |
| 第7章 推理网络构建及动态演化分析 | 第103-113页 |
| 7.1 引言 | 第103页 |
| 7.2 推理网络构建 | 第103-106页 |
| 7.3 影响度分析 | 第106-108页 |
| 7.4 实验及结果 | 第108-111页 |
| 7.5 本章小结 | 第111-113页 |
| 第8章 结论与展望 | 第113-117页 |
| 参考文献 | 第117-129页 |
| 作者简介及攻读博士期间发表的研究成果 | 第129-131页 |
| 后记和致谢 | 第131页 |