微博话题的传播特性分析与建模
摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第10-14页 |
1.1 课题背景 | 第10-11页 |
1.2 国内外研究现状 | 第11-12页 |
1.3 课题任务 | 第12-13页 |
1.3.1 课题内容 | 第12-13页 |
1.3.2 本人承担任务 | 第13页 |
1.4 论文结构 | 第13-14页 |
第二章 相关技术 | 第14-22页 |
2.1 社交网络分析 | 第14-16页 |
2.1.1 图论 | 第14-15页 |
2.1.2 社交网络分析 | 第15页 |
2.1.3 社会心理学 | 第15-16页 |
2.1.4 统计学 | 第16页 |
2.2 爬虫与存储 | 第16-18页 |
2.2.1 新浪微博爬虫技术 | 第17页 |
2.2.2 MySQL | 第17-18页 |
2.3 R语言数据分析 | 第18-20页 |
2.3.1 R语言 | 第19页 |
2.3.2 igraph | 第19页 |
2.3.3 R语言与机器学习 | 第19-20页 |
2.4 PETRI网 | 第20-22页 |
2.4.1 Petri网理论 | 第20页 |
2.4.2 CPN Tools | 第20-22页 |
第三章 微博话题传播特性的分析与仿真 | 第22-34页 |
3.1 微博研究概述 | 第22页 |
3.2 微博系统分析 | 第22-23页 |
3.2.1 仿真目的及意义 | 第23页 |
3.2.2 实验数据说明 | 第23页 |
3.3 微博用户行为分析 | 第23-26页 |
3.4 微博话题传播特性分析 | 第26-27页 |
3.5 微博仿真模型建立 | 第27-28页 |
3.5.1 模型概述 | 第27-28页 |
3.5.2 模型元素描述 | 第28页 |
3.6 仿真模型的实验与结果分析 | 第28-31页 |
3.6.1 用户关系网仿真 | 第29-30页 |
3.6.2 话题传播仿真 | 第30-31页 |
3.7 本章小结 | 第31-34页 |
第四章 微博用户关系网的研究与仿真 | 第34-60页 |
4.1 用户关系网的重要性 | 第34页 |
4.2 用户关系网特征分析 | 第34-43页 |
4.2.1 基本特征 | 第34-36页 |
4.2.2 互补累积分布度 | 第36页 |
4.2.3 出入度相关性 | 第36-42页 |
4.2.4 关系互惠性 | 第42-43页 |
4.3 现有模型简介 | 第43-52页 |
4.3.1 随机图模型(E-R模型) | 第43-44页 |
4.3.2 小世界模型(W-S模型) | 第44-48页 |
4.3.3 无标度网络模型(B-A模型) | 第48-49页 |
4.3.4 森林之火模型 | 第49-52页 |
4.3.5 小结 | 第52页 |
4.4 改进的FF模型 | 第52-53页 |
4.5 实验与结果分析 | 第53-58页 |
4.6 本章小结 | 第58-60页 |
第五章 微博话题传播特性的建模 | 第60-70页 |
5.1 微博中社区识别算法的研究 | 第60-62页 |
5.1.1 基于图的简单算法 | 第60-61页 |
5.1.2 基于聚类分析的算法 | 第61-62页 |
5.1.3 可重叠有向图算法 | 第62页 |
5.2 现有的话题传播模型分析 | 第62-64页 |
5.2.1 传染病模型 | 第62-63页 |
5.2.2 基于节点影响力的模型 | 第63页 |
5.2.3 基于社区影响力的模型 | 第63-64页 |
5.2.4 小结 | 第64页 |
5.3 微博话题传播特性的建模 | 第64-66页 |
5.3.1 传播模型元素 | 第64页 |
5.3.2 传播模型定义 | 第64-66页 |
5.3.3 模型训练和预测流程 | 第66页 |
5.4 模型实验与结果分析 | 第66-67页 |
5.5 用户关系网与话题传播关系 | 第67-68页 |
5.6 本章小结 | 第68-70页 |
第六章 结束语 | 第70-72页 |
6.1 本文总结 | 第70页 |
6.2 未来工作展望 | 第70-71页 |
6.3 研究生期间工作 | 第71-72页 |
6.3.1 发表论文 | 第71页 |
6.3.2 参与项目 | 第71页 |
6.3.3 提交项目文档 | 第71-72页 |
参考文献 | 第72-74页 |
致谢 | 第74-76页 |
攻读学位期间发表的学术论文目录 | 第76页 |