摘要 | 第1-12页 |
ABSTRACT | 第12-15页 |
第一章 绪论 | 第15-39页 |
·研究背景 | 第16-22页 |
·微博发展现状 | 第16-17页 |
·微博特点和舆情 | 第17-19页 |
·面向微博舆情的影响力分析的挑战性问题及其研究意义 | 第19-22页 |
·相关研究工作 | 第22-34页 |
·微博数据挖掘 | 第22-29页 |
·影响力分析技术 | 第29-34页 |
·本文的工作与创新 | 第34-38页 |
·主要研究工作 | 第34-36页 |
·主要创新点 | 第36-38页 |
·论文结构 | 第38-39页 |
第二章 基于统计特性与信任双向传播的垃圾用户发现 | 第39-63页 |
·问题描述 | 第39-43页 |
·相关研究 | 第43-44页 |
·微博的垃圾用户发现 | 第43页 |
·局部三角形数量统计 | 第43-44页 |
·数据获取与特征分析 | 第44-46页 |
·数据集获取 | 第44-45页 |
·数据集特征分析 | 第45-46页 |
·微博中的垃圾用户发现 | 第46-57页 |
·显式垃圾用户特征分析 | 第46-48页 |
·隐式垃圾用户特征分析 | 第48-49页 |
·有向网络局部三角形数量统计算法 | 第49-51页 |
·AttriBiVote算法的正向传播 | 第51-54页 |
·AttriBiVote算法的逆向传播 | 第54-55页 |
·合并统计特征与双向得分 | 第55-57页 |
·实验分析 | 第57-62页 |
·DirTriangleC有效性验证 | 第57-58页 |
·AttriBiVote与AttriDepend各类用户数目对比 | 第58-61页 |
·AttriBiVote准确率验证 | 第61-62页 |
·本章小结 | 第62-63页 |
第三章 基于时间敏感概率产生式模型的影响强度分析 | 第63-77页 |
·问题提出 | 第63-65页 |
·相关研究 | 第65-67页 |
·影响强度度量方法 | 第67-72页 |
·概率产生式模型 | 第67-69页 |
·参数评估方法 | 第69-71页 |
·间接影响强度计算 | 第71-72页 |
·实验分析 | 第72-75页 |
·依靠直接影响强度预测用户行为 | 第72-73页 |
·依靠直接影响强度的好友关联性分析 | 第73-75页 |
·依靠间接影响强度预测用户行为 | 第75页 |
·总结 | 第75-77页 |
第四章 基于多关系网络的话题层次影响力个体挖掘 | 第77-99页 |
·问题描述 | 第77-79页 |
·相关研究 | 第79页 |
·计算网络内部转移概率 | 第79-88页 |
·确定博文话题类别 | 第79-80页 |
·转发网络 | 第80页 |
·回复网络 | 第80-81页 |
·复制网络 | 第81-84页 |
·阅读网络 | 第84-88页 |
·多关系网络中的随机游走模型 | 第88-89页 |
·融合多关系网络 | 第88-89页 |
·证明收敛性 | 第89页 |
·实验分析 | 第89-98页 |
·实验设置 | 第89-92页 |
·算法准确率验证 | 第92-95页 |
·算法召回率验证 | 第95-97页 |
·算法F值验证 | 第97-98页 |
·总结 | 第98-99页 |
第五章 结合时间与网络位置的影响力扩散能力研究 | 第99-114页 |
·问题描述 | 第99-100页 |
·相关研究 | 第100-101页 |
·影响力扩散能力度量方法 | 第101-107页 |
·数据获取 | 第102页 |
·链接权值分析 | 第102-103页 |
·博文时间间隔分析 | 第103-104页 |
·传播级联位置分析 | 第104页 |
·SpreadRank算法 | 第104-107页 |
·实验分析 | 第107-113页 |
·参数设置 | 第107-109页 |
·实验对比方法 | 第109-110页 |
·SpreadRank算法有效性验证 | 第110-112页 |
·高扩散能力用户特征分析 | 第112-113页 |
·总结 | 第113-114页 |
第六章 结论与展望 | 第114-117页 |
·工作总结 | 第114-115页 |
·研究展望 | 第115-117页 |
致谢 | 第117-119页 |
参考文献 | 第119-134页 |
作者在学期间取得的学术成果 | 第134-136页 |
攻读博士学位期间参与的科研项目 | 第136页 |