在线社会网络用户影响力算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与现状 | 第9-13页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究现状 | 第10-13页 |
| 1.2 研究内容与意义 | 第13-14页 |
| 1.2.1 研究内容 | 第13页 |
| 1.2.2 研究意义 | 第13-14页 |
| 1.3 论文主要工作及创新 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第二章 课题相关理论 | 第16-24页 |
| 2.1 社会网络分析 | 第16-19页 |
| 2.1.1 社会网络分析概述 | 第16-17页 |
| 2.1.2 社会网络分析基础理论 | 第17-19页 |
| 2.2 排序算法相关技术 | 第19-22页 |
| 2.3 D-S证据理论 | 第22-24页 |
| 第三章 基于兴趣的社交用户排名及社区发现算法 | 第24-35页 |
| 3.1 PageRank-Based排序算法 | 第24-26页 |
| 3.2 基于聚类系数的关键节点分析 | 第26-27页 |
| 3.3 基于亲密度的用户影响力排序 | 第27-28页 |
| 3.4 基于证据理论的用户行为分析 | 第28-31页 |
| 3.5 基于关键节点的局部社区发现算法 | 第31-35页 |
| 第四章 实验与分析 | 第35-52页 |
| 4.1 PageRank-Based排序算法实验 | 第36-39页 |
| 4.2 关键节点重要性分析的NIDC计算 | 第39-46页 |
| 4.2.1 数据集介绍 | 第39-40页 |
| 4.2.2 数据集的社会网络特性分析 | 第40-41页 |
| 4.2.3 NIDC值计算及分析 | 第41-46页 |
| 4.3 PRB算法鲁棒性分析 | 第46-47页 |
| 4.4 基于用户影响力排序 | 第47-49页 |
| 4.5 关键用户行为分析 | 第49-50页 |
| 4.6 局部社区发现算法实验 | 第50-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 发表论文和参加科研情况说明 | 第58-59页 |
| 致谢 | 第59-60页 |
