| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 社交网络 | 第9页 |
| 1.1.2 社团发现研究 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本论文主要内容 | 第13-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第二章 社交网络中社团发现研究 | 第16-28页 |
| 2.1 社交网络 | 第16-23页 |
| 2.1.1 社交网络发展 | 第16-17页 |
| 2.1.2 社交网络分类 | 第17页 |
| 2.1.3 社交网络特点 | 第17-18页 |
| 2.1.4 社交网络性质 | 第18-22页 |
| 2.1.5 社交网络研究方向 | 第22-23页 |
| 2.2 社团发现研究 | 第23-27页 |
| 2.2.1 社团定义 | 第23-25页 |
| 2.2.2 社团发现算法 | 第25-26页 |
| 2.2.3 社团评价指标 | 第26页 |
| 2.2.4 社团发现研究发展方向 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 高度数节点与社团划分的相互作用关系 | 第28-41页 |
| 3.1 研究背景和意义 | 第28-29页 |
| 3.2 相关工作介绍 | 第29-30页 |
| 3.3 基于高度数节点的半监督学习社团发现算法 | 第30-34页 |
| 3.3.1 算法概述 | 第30-31页 |
| 3.3.2 算法描述 | 第31-32页 |
| 3.3.3 算法评价指标 | 第32-33页 |
| 3.3.4 算法性能分析 | 第33-34页 |
| 3.4 实验 | 第34-38页 |
| 3.4.1 实验数据集 | 第34页 |
| 3.4.2 实验结果与分析 | 第34-38页 |
| 3.5 高度数节点与社团划分的相互关系 | 第38-40页 |
| 3.5.1 高度数节点优化规则 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于节点可变影响力的社区发现 | 第41-58页 |
| 4.1 研究背景和意义 | 第41页 |
| 4.2 相关工作介绍 | 第41-48页 |
| 4.2.1 PageRank | 第42页 |
| 4.2.2 标签传播算法LPA | 第42-46页 |
| 4.2.3 社团评价指标 | 第46-48页 |
| 4.3 基于可变影响力的社区发现模型 | 第48-51页 |
| 4.3.1 基于PageRank的可变影响力社区发现算法 | 第49-50页 |
| 4.3.2 基于单一初始点的可变影响力局部社区发现算法 | 第50-51页 |
| 4.4 实验设计及分析 | 第51-57页 |
| 4.4.1 数据集 | 第51-53页 |
| 4.4.2 实验环境 | 第53页 |
| 4.4.3 对比实验及结果分析 | 第53-55页 |
| 4.4.4 可变影响力研究实验及结果分析 | 第55-56页 |
| 4.4.5 基于单一初始点的可变影响力局部社区发现算法实验 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 论文工作总结 | 第58-59页 |
| 5.2 问题与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士期间发表的学术论文 | 第66页 |
