| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 工作内容 | 第11-13页 |
| 第2章 相关知识介绍 | 第13-21页 |
| 2.1 社交网络(SNS) | 第13-15页 |
| 2.1.1 社交网络概述 | 第13-14页 |
| 2.1.2 腾讯微博及其开放平台 | 第14-15页 |
| 2.2 复杂网络相关概念 | 第15-17页 |
| 2.2.1 度 | 第15-16页 |
| 2.2.2 最短路径 | 第16页 |
| 2.2.3 网络直径 | 第16页 |
| 2.2.4 密度 | 第16-17页 |
| 2.2.5 聚类系数 | 第17页 |
| 2.3 NetworkX | 第17-21页 |
| 2.3.1 NetworkX基本介绍 | 第17-19页 |
| 2.3.2 NetworkX示例 | 第19-21页 |
| 第3章 基于NetworkX的社交网络的特征计算 | 第21-32页 |
| 3.1 复杂网络特征概述 | 第21-22页 |
| 3.1.1 无标度网络 | 第21-22页 |
| 3.1.2 小世界网络 | 第22页 |
| 3.2 数据获取及绘图 | 第22-26页 |
| 3.2.1 通过API获取腾讯微博数据 | 第22-24页 |
| 3.2.2 数据存储 | 第24-25页 |
| 3.2.3 网络生成 | 第25-26页 |
| 3.3 复杂网络特征验证 | 第26-32页 |
| 3.3.1 无标度网络验证 | 第26-30页 |
| 3.3.2 小世界网络验证 | 第30-32页 |
| 第4章 基于ADWP算法的社交网络的关键节点识别 | 第32-50页 |
| 4.1 关键节点的定义和评估策略 | 第32-33页 |
| 4.2 关键节点识别算法的研究现状 | 第33-35页 |
| 4.2.1 无权网络关键节点识别算法 | 第33-34页 |
| 4.2.2 加权网络关键节点识别算法 | 第34-35页 |
| 4.3 基于PageRank的关键节点识别算法原理 | 第35-38页 |
| 4.4 改进的基于PageRank的关键节点识别算法ADWP | 第38-41页 |
| 4.4.1 算法概述 | 第38-39页 |
| 4.4.2 算法步骤及流程 | 第39-40页 |
| 4.4.3 算法代码实现 | 第40-41页 |
| 4.5 实验分析 | 第41-50页 |
| 第5章 总结展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54页 |