| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题研究背景及意义 | 第15-16页 |
| 1.2 个人网络圈子发现算法研究现状 | 第16-18页 |
| 1.3 研究内容 | 第18页 |
| 1.4 论文组织结构 | 第18-21页 |
| 第二章 个人网络圈子发现相关技术 | 第21-33页 |
| 2.1 个人网络圈子发现问题 | 第21-23页 |
| 2.1.1 社交网络中的朋友关系 | 第21页 |
| 2.1.2 个人网络(ego network) | 第21-22页 |
| 2.1.3 个人网络圈子(ego-network detection) | 第22-23页 |
| 2.2 graph2vec工具 | 第23-28页 |
| 2.2.1 graph2vec引言 | 第23-24页 |
| 2.2.2 graph2vec模型 | 第24-28页 |
| 2.3 LDA主题模型与信息熵 | 第28-32页 |
| 2.3.1 LDA主题模型 | 第28-31页 |
| 2.3.2 信息熵 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于信息熵的个人网络圈子发现算法 | 第33-51页 |
| 3.1 基于信息熵的圈子发现方法 | 第33-34页 |
| 3.2 融合主题特性的优化目标函数设计 | 第34-37页 |
| 3.2.1 结构特性函数定义 | 第35页 |
| 3.2.2 主题特性函数定义 | 第35-36页 |
| 3.2.3 优化目标函数定义 | 第36-37页 |
| 3.3 基于信息熵的个人网络圈子发现算法 | 第37-40页 |
| 3.4 实验设计与分析 | 第40-50页 |
| 3.4.1 数据筛选 | 第42页 |
| 3.4.2 特征提取 | 第42-45页 |
| 3.4.3 实验设置 | 第45-46页 |
| 3.4.4 评价标准 | 第46-47页 |
| 3.4.5 实验结果对比与分析 | 第47-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于graph2vec的个人网络圈子发现算法 | 第51-67页 |
| 4.1 基于graph2vec的圈子发现方法 | 第51-52页 |
| 4.2 基于图向量的优化目标函数设计 | 第52-54页 |
| 4.2.1 结构特性函数定义 | 第52-53页 |
| 4.2.2 主题特性函数定义 | 第53页 |
| 4.2.3 优化目标函数定义 | 第53-54页 |
| 4.3 基于graph2vec的个人网络圈子发现算法 | 第54-61页 |
| 4.3.1 基于graph2vec的个人网络圈子发现算法设计 | 第54-56页 |
| 4.3.2 算法详细设计 | 第56-61页 |
| 4.4 实验设计与分析 | 第61-65页 |
| 4.4.1 实验数据及基本参数设置 | 第61-62页 |
| 4.4.2 局部搜索对算法的影响 | 第62-63页 |
| 4.4.3 算法性能对比 | 第63-65页 |
| 4.5 本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 工作总结 | 第67-68页 |
| 5.2 研究展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 作者简介 | 第75-76页 |
