| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 社交网络影响力 | 第11-12页 |
| 1.2.2 单层网络中的影响力研究 | 第12-13页 |
| 1.2.3 多层网络中的影响力研究 | 第13-14页 |
| 1.3 论文研究目标和内容 | 第14-15页 |
| 1.3.1 研究目标 | 第14页 |
| 1.3.2 研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 相关技术 | 第16-23页 |
| 2.1 贪婪算法 | 第16页 |
| 2.2 信息传播 | 第16-19页 |
| 2.2.1 单层网络中的信息传播 | 第17-18页 |
| 2.2.2 多层网络中的信息传播 | 第18-19页 |
| 2.3 多层网络研究基础 | 第19-22页 |
| 2.3.1 多层网络相关定义 | 第19-20页 |
| 2.3.2 多层网络基本问题研究策略 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 单层网络中基于社团结构的影响力分析 | 第23-38页 |
| 3.1 网络拓扑属性 | 第23-25页 |
| 3.1.1 基本属性 | 第23-24页 |
| 3.1.2 PageRank与LeaderRank算法 | 第24-25页 |
| 3.2 相关的社团发现算法 | 第25-27页 |
| 3.2.1 社团的相关定义 | 第25-26页 |
| 3.2.2 随机游走算法 | 第26页 |
| 3.2.3 标签传播算法 | 第26-27页 |
| 3.2.4 其他社团划分算法以及对比 | 第27页 |
| 3.3 基于社团与LeaderRank的影响力分析 | 第27-31页 |
| 3.3.1 Community-LeaderRank(CLR)算法 | 第28-30页 |
| 3.3.2 影响力社团评价策略 | 第30-31页 |
| 3.4 实验结果与分析 | 第31-37页 |
| 3.4.1 CLR算法Top-K影响力对比与分析 | 第31-33页 |
| 3.4.2 不同社团影响力策略 | 第33-34页 |
| 3.4.3 不同的社团发现算法对比实验 | 第34-35页 |
| 3.4.4 实验数据可视化 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 多层网络中基于社团结构的影响力分析 | 第38-47页 |
| 4.1 多层网络社团发现算法 | 第38-40页 |
| 4.1.1 单层网络社团划分转化问题 | 第38-39页 |
| 4.1.2 多层网络社团发现算法 | 第39-40页 |
| 4.2 多层网络抽样算法 | 第40-41页 |
| 4.3 多层网络中基于社团的LeaderRank影响力分析 | 第41-43页 |
| 4.3.1 Multi-Community-LeaderRank (MCLR)分层构建算法 | 第41-42页 |
| 4.3.2 Super-Multi-Community-LeaderRank( SMCLR)超级网络构建算法 | 第42-43页 |
| 4.4 实验结果与分析 | 第43-46页 |
| 4.4.1 抽样数据集的实验 | 第43-44页 |
| 4.4.2 完整数据集实验 | 第44-46页 |
| 4.4.3 几种社团发现算法的对比 | 第46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47-48页 |
| 5.2 展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
