| 致谢 | 第8-9页 |
| 摘要 | 第9-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第19-27页 |
| 1.1 研究背景和意义 | 第19-21页 |
| 1.2 研究内容及结构安排 | 第21-27页 |
| 1.2.1 研究内容 | 第21-23页 |
| 1.2.2 全文结构体系 | 第23-27页 |
| 第二章 文献综述 | 第27-31页 |
| 2.1 社交媒体营销 | 第27-28页 |
| 2.2 网络舆情监测和分析 | 第28-29页 |
| 2.3 推荐系统 | 第29页 |
| 2.4 网络社区发现 | 第29-31页 |
| 第三章 基于Unfollow的异常发现 | 第31-51页 |
| 3.1 引言 | 第31-32页 |
| 3.2 问题描述 | 第32-34页 |
| 3.3 总体框架 | 第34-35页 |
| 3.4 基于时间序列的Crowd Unfollow发现 | 第35-38页 |
| 3.4.1 问题形式化 | 第35-36页 |
| 3.4.2 定义f | 第36页 |
| 3.4.3 确定β | 第36-37页 |
| 3.4.4 实时异常发现 | 第37-38页 |
| 3.5 基于Crowd Unfollow的意见领袖初探 | 第38-41页 |
| 3.6 实验及分析 | 第41-49页 |
| 3.6.1 数据获取 | 第41-44页 |
| 3.6.2 异常检测 | 第44-47页 |
| 3.6.3 意见领袖发现 | 第47-49页 |
| 3.7 本章小结 | 第49-51页 |
| 第四章 基于Crowd Unfollow的意见领袖发现 | 第51-60页 |
| 4.1 引言 | 第51-52页 |
| 4.2 问题描述和定义 | 第52-54页 |
| 4.3 基于PageRank的意见领袖发现 | 第54-56页 |
| 4.3.1 PageRank基础 | 第54页 |
| 4.3.2 PageRank的改进算法 | 第54-56页 |
| 4.4 实验及分析 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 基于Mention的推荐系统 | 第60-95页 |
| 5.1 引言 | 第60-62页 |
| 5.2 问题描述和定义 | 第62-64页 |
| 5.3 总体框架 | 第64-65页 |
| 5.4 特征提取 | 第65-75页 |
| 5.4.1 抽取内容特征 | 第65-67页 |
| 5.4.2 抽取社会特征 | 第67-70页 |
| 5.4.3 抽取位置特征 | 第70-73页 |
| 5.4.4 抽取时间特征 | 第73-75页 |
| 5.5 基于排序学习的推荐算法 | 第75-80页 |
| 5.6 实验及分析 | 第80-92页 |
| 5.6.1 数据准备 | 第80-82页 |
| 5.6.2 对比方法 | 第82-84页 |
| 5.6.3 评价指标 | 第84-85页 |
| 5.6.4 总体结果与分析 | 第85-87页 |
| 5.6.5 预测验证 | 第87-89页 |
| 5.6.6 特征验证 | 第89-91页 |
| 5.6.7 算法效率 | 第91-92页 |
| 5.7 本章小结 | 第92-95页 |
| 第六章 基于自我的社区发现 | 第95-106页 |
| 6.1 引言 | 第95-96页 |
| 6.2 总体框架 | 第96-97页 |
| 6.3 社区发现算法 | 第97-103页 |
| 6.3.1 构建社会网络 | 第97-98页 |
| 6.3.2 基于场理论建模 | 第98-100页 |
| 6.3.3 确定初始聚类 | 第100-101页 |
| 6.3.4 基于粗糙集的聚类 | 第101-103页 |
| 6.4 实验及分析 | 第103-105页 |
| 6.5 本章小结 | 第105-106页 |
| 第七章 总结与展望 | 第106-108页 |
| 7.1 全文总结 | 第106页 |
| 7.2 研究展望 | 第106-108页 |
| 参考文献 | 第108-119页 |
| 攻读学位期间从事的科研项目和发表的论文 | 第119页 |
