| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究综述 | 第13-19页 |
| 1.2.1 社交网络研究的兴起 | 第13-14页 |
| 1.2.2 基于社交网络数据的抽样方法研究 | 第14-16页 |
| 1.2.3 以追求抽样速度为目的的广度优先抽样策略 | 第16-18页 |
| 1.2.4 以深度学习为目的的深度优先抽样策略 | 第18-19页 |
| 1.2.5 研究现状的简要述评 | 第19页 |
| 1.3 研究思路 | 第19-20页 |
| 1.4 创新点 | 第20-21页 |
| 第2章 社交网络及其统计特征 | 第21-33页 |
| 2.1 移动互联时代的社交网络 | 第21-22页 |
| 2.2 从随机到有序：社交网络研究的主要模型 | 第22-29页 |
| 2.2.1 随机网络模型 | 第23-25页 |
| 2.2.2 小世界网络模型 | 第25-27页 |
| 2.2.3 无标度网络模型 | 第27-29页 |
| 2.3 描述社交网络的统计特征 | 第29-32页 |
| 2.3.1 基本数据：节点和路径 | 第29-30页 |
| 2.3.2 集中趋势的度量：度和度的分布 | 第30页 |
| 2.3.3 离散程度的度量：聚类系数 | 第30-31页 |
| 2.3.4 相关程度的度量：节点之间的相关性 | 第31-32页 |
| 2.4 小结 | 第32-33页 |
| 第3章 广度优先抽样和深度优先抽样 | 第33-42页 |
| 3.1 面向社交网络抽样的理论基础 | 第33-35页 |
| 3.1.1 从概率抽样到非概率抽样 | 第33-34页 |
| 3.1.2 复杂网络中的抽样策略 | 第34-35页 |
| 3.2 广度优先抽样 | 第35-38页 |
| 3.2.1 BFS抽样方式 | 第35-37页 |
| 3.2.2 BFS算法实现 | 第37页 |
| 3.2.3 BFS样本构成模式 | 第37-38页 |
| 3.3 深度优先抽样 | 第38-41页 |
| 3.3.1 DFS抽样方式 | 第38-39页 |
| 3.3.2 DFS算法实现 | 第39-40页 |
| 3.3.3 DFS样本构成模式 | 第40-41页 |
| 3.4 小结 | 第41-42页 |
| 第4章 基于计算机模拟的抽样比较 | 第42-54页 |
| 4.1 ER随机网络下的抽样比较 | 第42-45页 |
| 4.1.1 初始网络的生成及参数设置 | 第42页 |
| 4.1.2 统计特征量的估计 | 第42-44页 |
| 4.1.3 小结 | 第44-45页 |
| 4.2 WS小世界网络下的抽样比较 | 第45-48页 |
| 4.2.1 初始网络的生成及参数设置 | 第45页 |
| 4.2.2 统计特征量的估计 | 第45-48页 |
| 4.2.3 小结 | 第48页 |
| 4.3 BA无标度网络下的抽样比较 | 第48-54页 |
| 4.3.1 初始网络的生成及参数设置 | 第48页 |
| 4.3.2 统计特征量的估计 | 第48-52页 |
| 4.3.3 小结 | 第52-54页 |
| 第5章 基于社交网络的抽样比较 | 第54-60页 |
| 5.1 实证研究的数据选择：豆瓣网 | 第54-56页 |
| 5.1.1 豆瓣网的网络规模及现状介绍 | 第54-55页 |
| 5.1.2 数据集的统计描述 | 第55-56页 |
| 5.1.3 抽样参数设置 | 第56页 |
| 5.2 统计特征量的估计和比较 | 第56-59页 |
| 5.2.1 度分布 | 第56-58页 |
| 5.2.2 平均度 | 第58页 |
| 5.2.3 聚类系数 | 第58-59页 |
| 5.3 小结 | 第59-60页 |
| 第6章 结论与展望 | 第60-62页 |
| 6.1 结论 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读博/硕士学位期间发表的论文和其它科研情况 | 第67-68页 |