| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 论文研究的背景和意义 | 第9-11页 |
| 1.1.1 移动社会网络分析的背景及意义 | 第9-10页 |
| 1.1.2 移动CDR的来源及介绍 | 第10-11页 |
| 1.2 论文的主要任务 | 第11-12页 |
| 1.3 论文的结构安排 | 第12-13页 |
| 第二章 背景相关知识 | 第13-21页 |
| 2.1 社会网络与信息传播 | 第13-17页 |
| 2.1.1 社会网络的图模型 | 第13页 |
| 2.1.2 两个基本传播模型 | 第13-17页 |
| 2.1.2.1 线性阀值模型 | 第14-16页 |
| 2.1.2.2 独立级联模型 | 第16-17页 |
| 2.2 相关算法 | 第17-19页 |
| 2.2.1 简单启发式算法 | 第17页 |
| 2.2.2 KK算法 | 第17-18页 |
| 2.2.3 合式潜力贪心算法 | 第18-19页 |
| 2.3 小结 | 第19-21页 |
| 第三章 用户信息传播模型构建top-k用户挖掘 | 第21-33页 |
| 3.1 基于通话时长和通话次数的用户关系分析 | 第21-22页 |
| 3.2 基于混合式潜力贪心算法框架的改进 | 第22-26页 |
| 3.2.1 用户关系紧密度的定义 | 第22-23页 |
| 3.2.2 用户阀值的定义 | 第23-24页 |
| 3.2.3 用户影响力及潜在影响力的计算 | 第24-26页 |
| 3.3 简化贪心阶段的计算 | 第26-28页 |
| 3.3.1 激活顺序问题 | 第26-27页 |
| 3.3.2 边际效应计算效率的提高 | 第27-28页 |
| 3.4 top-k用户挖掘算法的实现与验证 | 第28-32页 |
| 3.4.1 top-k用户挖掘算法的提出 | 第28-29页 |
| 3.4.2 算法复杂度分析 | 第29页 |
| 3.4.3 算法验证 | 第29-32页 |
| 3.5 小结 | 第32-33页 |
| 第四章 小区级信息传播模型构建及top-k小区挖掘 | 第33-43页 |
| 4.1 基于通话时长的小区关系分析 | 第33-34页 |
| 4.2 小区级信息传播模型构建 | 第34-38页 |
| 4.2.1 小区间的信息传播阻尼 | 第34-35页 |
| 4.2.2 “泛洪式”信息传播模型 | 第35-36页 |
| 4.2.3 信息传播的顺序无关性 | 第36-37页 |
| 4.2.4 “泛洪式”传播模型的收敛性 | 第37-38页 |
| 4.3 泛洪贪心算法的提出及验证 | 第38-41页 |
| 4.3.1 泛洪贪心算法 | 第38-39页 |
| 4.3.2 算法复杂度分析 | 第39页 |
| 4.3.3 算法验证 | 第39-41页 |
| 4.4 小结 | 第41-43页 |
| 第五章 用户挖掘平台的设计与实现 | 第43-57页 |
| 5.1 需求分析 | 第43页 |
| 5.2 平台实现技术 | 第43-45页 |
| 5.3 平台设计 | 第45-52页 |
| 5.3.1 整体架构设计 | 第45-46页 |
| 5.3.2 网络拓扑展示模块设计 | 第46-47页 |
| 5.3.3 top-k用户挖掘模块设计 | 第47-49页 |
| 5.3.4 top-k小区挖掘模块设计 | 第49-52页 |
| 5.4 平台实现 | 第52-55页 |
| 5.4.1 网络拓扑展示模块实现 | 第52-54页 |
| 5.4.2 top-k用户挖掘模块和top-k小区挖掘模块实现 | 第54-55页 |
| 5.5 小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61页 |