在线社会网络中影响力度量和流行度预测问题研究
| 摘要 | 第12-14页 |
| ABSTRACT | 第14-16页 |
| 第1章 绪论 | 第17-33页 |
| 1.1 研究背景 | 第17-20页 |
| 1.2 本文的研究内容及研究意义 | 第20-22页 |
| 1.3 相关研究工作 | 第22-29页 |
| 1.3.1 影响力度量 | 第22-26页 |
| 1.3.1.1 基于网络局部结构的测度 | 第22-23页 |
| 1.3.1.2 基于网络全局结构的测度 | 第23-25页 |
| 1.3.1.3 其他类型的测度及讨论 | 第25-26页 |
| 1.3.2 流行度预测 | 第26-29页 |
| 1.3.2.1 基于分类/回归的预测方法 | 第26-27页 |
| 1.3.2.2 基于时间序列建模的预测方法 | 第27-28页 |
| 1.3.2.3 其他类型的预测方法及讨论 | 第28-29页 |
| 1.4 本文的主要工作及创新点 | 第29-31页 |
| 1.5 本文的组织结构 | 第31-33页 |
| 第2章 相关预备知识 | 第33-50页 |
| 2.1 网络科学相关知识 | 第33-41页 |
| 2.1.1 网络基本拓扑性质 | 第33-37页 |
| 2.1.2 网络模型 | 第37-40页 |
| 2.1.2.1 BA无标度网络模型 | 第37-39页 |
| 2.1.2.2 LFR网络模型 | 第39-40页 |
| 2.1.3 经典传染病模型 | 第40-41页 |
| 2.2 机器学习中常用分类器 | 第41-48页 |
| 2.2.1 朴素贝叶斯 | 第42页 |
| 2.2.2 K近邻 | 第42-43页 |
| 2.2.3 支持向量机 | 第43-45页 |
| 2.2.4 逻辑回归 | 第45-46页 |
| 2.2.5 决策树 | 第46-48页 |
| 2.3 泊松过程 | 第48-49页 |
| 2.4 本章小结 | 第49-50页 |
| 第3章 基于网络局部结构的节点影响力测度 | 第50-72页 |
| 3.1 引言 | 第50-51页 |
| 3.2 中心性测度 | 第51-53页 |
| 3.3 局部结构化中心性测度 | 第53-55页 |
| 3.4 实验设置 | 第55-57页 |
| 3.4.1 数据集 | 第55-56页 |
| 3.4.2 传播模型及传播概率 | 第56-57页 |
| 3.4.3 评价标准 | 第57页 |
| 3.5 实验与分析 | 第57-71页 |
| 3.5.1 真实网络 | 第57-64页 |
| 3.5.1.1 测度性能分析 | 第57-60页 |
| 3.5.1.2 排序最有影响力的节点 | 第60-64页 |
| 3.5.2 人工网络 | 第64-68页 |
| 3.5.2.1 BA无标度网络 | 第64-66页 |
| 3.5.2.2 LFR网络 | 第66-68页 |
| 3.5.3 SI模型 | 第68-70页 |
| 3.5.4 区分节点影响力的能力 | 第70-71页 |
| 3.6 本章小结 | 第71-72页 |
| 第4章 微博平台上流行度预测问题有效特征研究 | 第72-86页 |
| 4.1 引言 | 第72-73页 |
| 4.2 问题定义 | 第73-74页 |
| 4.3 特征描述 | 第74-80页 |
| 4.3.1 结构特征 | 第74-77页 |
| 4.3.1.1 转发网络特征 | 第74-76页 |
| 4.3.1.2 边界网络特征 | 第76-77页 |
| 4.3.2 时间特征 | 第77-79页 |
| 4.3.3 讨论 | 第79-80页 |
| 4.4 实验设置 | 第80-81页 |
| 4.4.1 数据集 | 第80页 |
| 4.4.2 评价标准 | 第80-81页 |
| 4.4.3 实现细节 | 第81页 |
| 4.5 实验结果 | 第81-84页 |
| 4.5.1 PP1H任务 | 第81-82页 |
| 4.5.2 PPkR任务 | 第82-84页 |
| 4.5.3 微博时间的有效性 | 第84页 |
| 4.6 本章小结 | 第84-86页 |
| 第5章 基于增强泊松过程的微博消息流行度预测模型 | 第86-105页 |
| 5.1 引言 | 第86-87页 |
| 5.2 问题定义 | 第87-88页 |
| 5.3 增强泊松过程模型概述 | 第88-89页 |
| 5.4 微博平台上流行度预测模型 | 第89-96页 |
| 5.4.1 时间松弛方程 | 第89-90页 |
| 5.4.2 增强方程 | 第90-91页 |
| 5.4.3 用户活跃度分析及时间映射过程 | 第91-93页 |
| 5.4.4 预测模型 | 第93-96页 |
| 5.4.4.1 模型输入 | 第94页 |
| 5.4.4.2 模型建立 | 第94-95页 |
| 5.4.4.3 参数估计 | 第95页 |
| 5.4.4.4 预测 | 第95-96页 |
| 5.5 实验设置 | 第96-99页 |
| 5.5.1 数据集 | 第96-97页 |
| 5.5.2 比较方法 | 第97-98页 |
| 5.5.3 评价标准 | 第98-99页 |
| 5.6 实验结果 | 第99-103页 |
| 5.6.1 预测结果 | 第99-102页 |
| 5.6.2 模型参数分析 | 第102-103页 |
| 5.7 本章小结 | 第103-105页 |
| 第6章 总结与展望 | 第105-108页 |
| 6.1 主要工作总结 | 第105-106页 |
| 6.2 未来工作展望 | 第106-108页 |
| 参考文献 | 第108-121页 |
| 致谢 | 第121-122页 |
| 攻读学位期间发表的学术论文目录 | 第122-124页 |
| 攻读学位期间参与科研项目情况 | 第124-125页 |
| 攻读学位期间获奖情况 | 第125-126页 |
| 外文论文 | 第126-162页 |
| 学位论文评阅及答辩情化表 | 第162页 |
