致谢 | 第4-5页 |
摘要 | 第5-7页 |
Abstract | 第7-8页 |
1 引言 | 第14-26页 |
1.1 研究背景及意义 | 第14-17页 |
1.1.1 研究背景 | 第14-16页 |
1.1.2 研究意义 | 第16-17页 |
1.2 主要技术挑战 | 第17-23页 |
1.2.1 缺乏统一的在线社交数据模型 | 第18-20页 |
1.2.2 缺乏能够兼顾数据资源和分析应用的服务发现方法 | 第20-21页 |
1.2.3 缺乏适用的信息溯源分析方法 | 第21-23页 |
1.3 研究内容 | 第23-24页 |
1.4 论文的创新点 | 第24-25页 |
1.5 论文组织结构 | 第25-26页 |
2 相关研究综述 | 第26-37页 |
2.1 社交网络分析应用系统 | 第26-28页 |
2.2 在线社交数据模型 | 第28-29页 |
2.3 社交网络信息溯源分析 | 第29-33页 |
2.3.1 信息传播模型 | 第29-31页 |
2.3.2 信息传播观测 | 第31页 |
2.3.3 信息传播溯源方法 | 第31-33页 |
2.4 服务发现 | 第33-35页 |
2.4.1 基于句法的服务发现方法 | 第33-34页 |
2.4.2 基于语义的服务发现方法 | 第34-35页 |
2.5 小结 | 第35-37页 |
3 面向社交网络信息传播分析的数据模型 | 第37-57页 |
3.1 问题分析 | 第37-38页 |
3.2 模型设计 | 第38-52页 |
3.2.1 整体设计 | 第38-40页 |
3.2.2 核心类与属性 | 第40-43页 |
3.2.3 起源元数据的表示 | 第43-44页 |
3.2.4 基于推理的一致性检查与隐含知识发现 | 第44-45页 |
3.2.5 模式映射与数据转换 | 第45-52页 |
3.3 功能对比 | 第52页 |
3.4 实验评估 | 第52-56页 |
3.4.1 搜索功能评估与对比 | 第52-54页 |
3.4.2 模式映射功能评估 | 第54-56页 |
3.5 小结 | 第56-57页 |
4 异步信息传播过程溯源分析方法 | 第57-76页 |
4.1 问题分析 | 第57-58页 |
4.2 方法设计 | 第58-66页 |
4.2.1 基于相关系数的溯源估计函数 | 第60-61页 |
4.2.2 传播时间近似方法 | 第61-64页 |
4.2.3 样本节点选取策略 | 第64-66页 |
4.3 实验评估 | 第66-73页 |
4.3.1 实验准备 | 第66-69页 |
4.3.2 实验结果 | 第69-73页 |
4.4 案例研究 | 第73-74页 |
4.5 小结 | 第74-76页 |
5 面向热点事件库数据资源与分析应用的服务发现方法 | 第76-89页 |
5.1 问题分析 | 第76-78页 |
5.2 服务发现方法设计 | 第78-84页 |
5.2.1 整体框架 | 第78页 |
5.2.2 预处理器 | 第78-79页 |
5.2.3 服务过滤器 | 第79-82页 |
5.2.4 服务匹配器 | 第82-84页 |
5.3 实验评估 | 第84-87页 |
5.3.1 实验准备 | 第84页 |
5.3.2 实验结果 | 第84-87页 |
5.4 小结 | 第87-89页 |
6 面向社交网络信息传播的热点事件库系统的实现及应用 | 第89-100页 |
6.1 系统设计 | 第89-92页 |
6.1.1 系统架构 | 第89-90页 |
6.1.2 数据持久化层 | 第90-91页 |
6.1.3 数据收集器 | 第91页 |
6.1.4 服务接口设计 | 第91-92页 |
6.2 展示与案例研究 | 第92-99页 |
6.2.1 原型系统的技术细节 | 第92页 |
6.2.2 界面与功能展示 | 第92-96页 |
6.2.3 案例研究——以中美贸易争端事件为例 | 第96-99页 |
6.3 小结 | 第99-100页 |
7 结论 | 第100-104页 |
7.1 本文总结 | 第100-101页 |
7.2 未来方向 | 第101-104页 |
参考文献 | 第104-116页 |
附录A 数据对象之间嵌入关系的例子 | 第116-117页 |
作者简历及在学研究成果 | 第117-121页 |
学位论文数据集 | 第121页 |