社交网络中影响最大化的研究与应用
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 引言 | 第8-9页 |
| 1.2 研究背景与意义 | 第9页 |
| 1.3 国内外研究现状 | 第9-10页 |
| 1.3.1 舆情监测系统的研究现状 | 第9-10页 |
| 1.3.2 社交网络中影响最大化方法的研究现状 | 第10页 |
| 1.4 论文主要工作 | 第10-11页 |
| 1.5 论文结构 | 第11-13页 |
| 2 社交网络节点影响最大化研究概述 | 第13-23页 |
| 2.1 社交网络中节点影响的度量 | 第13-14页 |
| 2.1.1 节点影响的问题描述 | 第13页 |
| 2.1.2 节点影响的概率度量方法 | 第13-14页 |
| 2.2 信息传播模型及影响最大化研究 | 第14-17页 |
| 2.2.1 线性阈值模型 | 第15-16页 |
| 2.2.2 影响最大化的问题描述 | 第16页 |
| 2.2.3 线性阈值模型下的影响最大化 | 第16-17页 |
| 2.3 影响最大化的次模函数研究方法 | 第17-22页 |
| 2.3.1 次模函数及其性质 | 第17-18页 |
| 2.3.2 线性阈值模型中的次模影响函数 | 第18-20页 |
| 2.3.3 次模函数研究方法的精确性分析 | 第20-21页 |
| 2.3.4 基于次模函数的影响最大化算法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于社区结构的影响最大化研究 | 第23-45页 |
| 3.1 社交网络中的社区结构特征 | 第23-24页 |
| 3.2 影响最大化的复杂度 | 第24-25页 |
| 3.3 种子集合影响的计算 | 第25-32页 |
| 3.3.1 线性阈值模型的特征 | 第26-28页 |
| 3.3.2 基于模型特征的种子集合影响的分解计算 | 第28-30页 |
| 3.3.3 网络的节点影响与节点平均影响 | 第30-31页 |
| 3.3.4 节点平均影响的迭次计算 | 第31-32页 |
| 3.4 网络的节点平均影响的计算 | 第32-38页 |
| 3.4.1 社区特征对计算策略的影响 | 第32-34页 |
| 3.4.2 模块度对社区结构划分的意义 | 第34-35页 |
| 3.4.3 基于社区结构的网络节点平均影响的计算 | 第35-38页 |
| 3.5 节点影响的计算 | 第38-40页 |
| 3.5.1 复杂网络节点的特征值 | 第39-40页 |
| 3.5.2 基于聚集系数的节点影响的计算 | 第40页 |
| 3.6 实验与结果分析 | 第40-44页 |
| 3.6.1 数据集说明以及参数计算 | 第40-41页 |
| 3.6.2 实验结果 | 第41-44页 |
| 3.6.3 实验结果总结 | 第44页 |
| 3.7 本章小结 | 第44-45页 |
| 4 基于影响最大化的舆论牵引策略的应用 | 第45-60页 |
| 4.1 舆论引导系统概述 | 第45-47页 |
| 4.1.1 应用目标 | 第45页 |
| 4.1.2 体系结构介绍 | 第45-46页 |
| 4.1.3 功能模块简述 | 第46-47页 |
| 4.2 基于影响最大化的牵引策略模块设计 | 第47-59页 |
| 4.2.1 基于节点度的牵引策略的局限性 | 第48页 |
| 4.2.2 关键数据结构设计及说明 | 第48-50页 |
| 4.2.3 处理流程及主要函数说明 | 第50-59页 |
| 4.3 本章小结 | 第59-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 论文工作总结 | 第60页 |
| 5.2 下一步工作展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 附录 | 第65页 |
| A．作者在攻读学位期间参加的项目 | 第65页 |
