●1 緒論
1.1 引言
1.2 本書主要內容
1.3 本書結構安排
2 社區發現方法
2.1 傳統方法
2.2 分裂方法
2.3 基於模塊度的方法
2.4 統計推斷法
2.5 重疊社區發現
2.6 貝葉斯社區發現
2.7 本章小結
3 矩陣分解學習主要方法
3.1 PCA矩陣分解
3.2 ICA矩陣分解
3.3 SVD矩陣分解
3.4 VQ矩陣分解
3.5 NMF非負矩陣分解
3.6 半監督NMF分解
3.7 貝葉斯NMF分解
3.8 矩陣分解中的模式選擇
3.9 矩陣分解學習與社區發現
3.10 本章小結
4 基於半監督矩陣分解的社區發現方法
4.1 半監督對稱NMF方法
4.2 PCSNMF方法設計及算法推導
4.3 PCSNMF在社會網絡中的實驗與分析
4.4 本章小結
5 基於貝葉斯矩陣分解的社區發現方法
5.1 貝葉斯對稱NMF方法
5.2 BSNMF非重疊社區發現實驗
5.3 BSNMF在重疊社區發現中的應用
5.4 本章小結
6 矩陣分解學習社區發現應用研究
6.1 科學網絡社區發現應用
6.2 中文科學網絡社區發現應用實踐
6.3 機構學術數據處理及學者甄別社區發現應用實踐
6.4 數字人文社會網絡方法應用
6.5 本章小結
7 總結及展望
7.1 總結
7.2 展望
參考文獻
索引