| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 引言 | 第8-20页 |
| 1.1 电信 | 第8-12页 |
| 1.1.1 电信的定义 | 第8页 |
| 1.1.2 电信的发展 | 第8-9页 |
| 1.1.3 电信在中国 | 第9-10页 |
| 1.1.4 电信服务的特点 | 第10-11页 |
| 1.1.5 种子业务 | 第11-12页 |
| 1.2 种子用户 | 第12-14页 |
| 1.2.1 种子用户的历史研究 | 第12-13页 |
| 1.2.2 种子用户识别的意义 | 第13-14页 |
| 1.3 大数据 | 第14-17页 |
| 1.3.1 大数据的产生 | 第14-15页 |
| 1.3.2 大数据的定义 | 第15-16页 |
| 1.3.3 大数据的处理 | 第16-17页 |
| 1.3.4 大数据的应用 | 第17页 |
| 1.4 本文的主要研究工作 | 第17-20页 |
| 2 基于聚类和搜索算法的树形网络评分模型 | 第20-30页 |
| 2.1 刻画短信传播特征—树形网络 | 第20-21页 |
| 2.2 密度聚类和递归搜索算法 | 第21-25页 |
| 2.2.1 基于密度聚类算法识别并度量群发特征 | 第21-23页 |
| 2.2.2 基于递归搜索算法并度量转发特征 | 第23-25页 |
| 2.3 判别短信种子用户的评价模型及其性质 | 第25-27页 |
| 2.4 基于两种算法的树状模型流程图 | 第27页 |
| 2.5 聚类和搜索算法的树状评价模型应用 | 第27-30页 |
| 2.5.1 实证步骤 | 第27-28页 |
| 2.5.2 结果和实证分析 | 第28-30页 |
| 3 大数据下基于信息流的手机短信种子用户快速识别模型 | 第30-36页 |
| 3.1 粒度与重构 | 第30-31页 |
| 3.2 数据筛除 | 第31页 |
| 3.3 数据整理 | 第31-32页 |
| 3.4 模型的建立 | 第32-33页 |
| 3.4.1 时间的划分 | 第32页 |
| 3.4.2 判断种子用户 | 第32-33页 |
| 3.4.3 时间复杂度 | 第33页 |
| 3.5 信息流模型应用实例 | 第33-36页 |
| 3.5.1 数据来源 | 第33-34页 |
| 3.5.2 具体步骤 | 第34-36页 |
| 4 总结与展望 | 第36-38页 |
| 参考文献 | 第38-40页 |
| 致谢 | 第40-42页 |
| 在校期间发表的科研成果 | 第42页 |