| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景与意义 | 第15-18页 |
| 1.1.1 研究背景 | 第15-17页 |
| 1.1.2 研究意义 | 第17-18页 |
| 1.2 国内外研究现状 | 第18-20页 |
| 1.2.1 信任计算的研究现状 | 第18-19页 |
| 1.2.2 社区发现的研究现状 | 第19-20页 |
| 1.2.3 研究现状总结 | 第20页 |
| 1.3 研究工作与论文结构 | 第20-22页 |
| 第二章 相关理论与技术基础 | 第22-35页 |
| 2.1 社交网络基本理论 | 第22-26页 |
| 2.1.1 社交网络的定义与发展 | 第22-23页 |
| 2.1.2 社交网络的统计特性 | 第23-25页 |
| 2.1.3 社交网络的典型特征 | 第25-26页 |
| 2.2 社交网络信任理论 | 第26-29页 |
| 2.2.1 信任的定义与特征 | 第26页 |
| 2.2.2 动态信任计算模型 | 第26-28页 |
| 2.2.3 静态信任计算模型 | 第28-29页 |
| 2.3 社区发现理论 | 第29-34页 |
| 2.3.1 社区的定义 | 第29-30页 |
| 2.3.2 基于分裂思想的社区发现算法 | 第30-31页 |
| 2.3.3 基于模块度优化思想的社区发现算法 | 第31-32页 |
| 2.3.4 基于标签传播思想的社区发现算法 | 第32-33页 |
| 2.3.5 基于局部扩展优化的社区发现算法 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 社交网络中基于节点关系强度与相似性的信任计算 | 第35-45页 |
| 3.1 引言 | 第35页 |
| 3.2 信任计算总体框架 | 第35-36页 |
| 3.3 关系信任 | 第36-38页 |
| 3.3.1 直接关系信任 | 第36-37页 |
| 3.3.2 间接关系信任 | 第37-38页 |
| 3.4 相似信任 | 第38-43页 |
| 3.4.1 社交相似信任 | 第38-40页 |
| 3.4.2 属性相似信任 | 第40-43页 |
| 3.5 信任计算流程分析 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 社交网络中基于节点信任的社区发现算法 | 第45-55页 |
| 4.1 引言 | 第45页 |
| 4.2 算法理论背景 | 第45-47页 |
| 4.2.1 数据场与社交网络 | 第46页 |
| 4.2.2 粗糙聚类与社区发现 | 第46-47页 |
| 4.3 算法总体框架 | 第47-48页 |
| 4.4 重叠社区发现算法TLCDA | 第48-54页 |
| 4.4.1 信任势计算 | 第48-49页 |
| 4.4.2 确定初始聚类中心 | 第49-50页 |
| 4.4.3 基于粗糙K-Mediods的节点聚类 | 第50-52页 |
| 4.4.4 重叠社区结构优化 | 第52-54页 |
| 4.5 算法时间效率分析 | 第54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 实验与结果分析 | 第55-73页 |
| 5.1 引言 | 第55页 |
| 5.2 人工基准网络实验 | 第55-59页 |
| 5.2.1 构建数据集 | 第56-57页 |
| 5.2.2 评价指标 | 第57页 |
| 5.2.3 社区发现结果与分析 | 第57-59页 |
| 5.3 经典真实网络实验 | 第59-63页 |
| 5.3.1 网络数据集 | 第59-60页 |
| 5.3.2 评价指标 | 第60-61页 |
| 5.3.3 社区发现结果与分析 | 第61-63页 |
| 5.4 微博网络实验 | 第63-72页 |
| 5.4.1 微博数据获取 | 第63-66页 |
| 5.4.2 评价指标 | 第66页 |
| 5.4.3 结构内聚性分析 | 第66-69页 |
| 5.4.4 偏好内聚性分析 | 第69-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 全文总结 | 第73-74页 |
| 6.2 下一步研究工作 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第81-82页 |