| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究目的及意义 | 第13-15页 |
| 1.3 论文主要工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第2章 社交网络相关理论 | 第17-31页 |
| 2.1 社交网络简介 | 第17-19页 |
| 2.2 社交网络形式化表示 | 第19-20页 |
| 2.3 社交网络主要研究方向 | 第20-30页 |
| 2.3.1 社团发现技术研究 | 第20-22页 |
| 2.3.2 链路预测研究 | 第22-25页 |
| 2.3.3 节点角色分析技术研究 | 第25-29页 |
| 2.3.4 个性化推荐研究 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于相似社团和节点角色划分的社交用户推荐方案研究 | 第31-41页 |
| 3.1 研究背景 | 第31-32页 |
| 3.2 问题形式化描述 | 第32页 |
| 3.3 社交用户推荐方案概述 | 第32-33页 |
| 3.4 社团相似度研究 | 第33-38页 |
| 3.4.1 社团结构相似度 | 第33-34页 |
| 3.4.2 社团属性相似度 | 第34-38页 |
| 3.4.3 社团相似度 | 第38页 |
| 3.5 社团用户节点角色层次划分 | 第38-39页 |
| 3.6 社交用户推荐 | 第39-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第4章 基于社交社团和影响力聚类的节点角色划分方案研究 | 第41-50页 |
| 4.1 研究背景 | 第41-42页 |
| 4.2 问题形式化描述 | 第42页 |
| 4.3 节点角色划分方案概述 | 第42-43页 |
| 4.4 基于社团的节点影响力分析 | 第43-47页 |
| 4.4.1 基于Fast-GN算法的社团挖掘 | 第43-44页 |
| 4.4.2 节点影响力分析 | 第44-47页 |
| 4.5 基于节点影响力聚类的角色划分 | 第47-49页 |
| 4.5.1 k-means聚类算法概述 | 第47-48页 |
| 4.5.2 基于k-means算法的节点特征属性聚类角色划分 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 实验方案与结果分析 | 第50-60页 |
| 5.1 实验数据 | 第50-52页 |
| 5.1.1 数据集 | 第50-51页 |
| 5.1.2 数据说明 | 第51-52页 |
| 5.2 实验评价指标 | 第52-53页 |
| 5.3 实验方案 | 第53-59页 |
| 5.3.1 社交社团 | 第53页 |
| 5.3.2 推荐准确率与社团相似度对应变化关系 | 第53-54页 |
| 5.3.3 差异化推荐方式与非差异化推荐方式的效果对比 | 第54-56页 |
| 5.3.4 推荐的效果与社团规模对应变化 | 第56页 |
| 5.3.5 基于K-means属性聚类的角色划分 | 第56-58页 |
| 5.3.6 聚类的角色划分方案与非聚类方案对比 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-63页 |
| 6.1 工作总结 | 第60-62页 |
| 6.2 未来工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第68页 |
