1 绪论
1.1 引言
1.2 本书主要内容
1.3 本书结构安排
2 社区发现方法
2.1 传统方法
2.2 分裂方法
2.3 基于模块度的方法
2.4 统计推断法
2.5 重叠社区发现
2.6 贝叶斯社区发现
2.7 本章小结
3 矩阵分解学习主要方法
3.1 PCA矩阵分解
3.2 ICA矩阵分解
3.3 SVD矩阵分解
3.4 VQ矩阵分解
3.5 NMF非负矩阵分解
3.6 半监督NMF分解
3.7 贝叶斯NMF分解
3.8 矩阵分解中的模式选择
3.9 矩阵分解学习与社区发现
3.10 本章小结
4 基于半监督矩阵分解的社区发现方法
4.1 半监督对称NMF方法
4.2 PCSNMF方法设计及算法推导
4.3 PCSNMF在社会网络中的实验与分析
4.4 本章小结
5 基于贝叶斯矩阵分解的社区发现方法
5.1 贝叶斯对称NMF方法
5.2 BSNMF非重叠社区发现实验
5.3 BSNMF在重叠社区发现中的应用
5.4 本章小结
6 矩阵分解学习社区发现应用研究
6.1 科学网络社区发现应用
6.2 中文科学网络社区发现应用实践
6.3 机构学术数据处理及学者甄别社区发现应用实践
6.4 数字人文社会网络方法应用
6.5 本章小结
7 总结及展望
7.1 总结
7.2 展望
参考文献
索引
展开