基于特征学习的社交网络用户影响力计算模型研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 引言 | 第13页 |
| 1.2 课题背景和意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.4 本文的主要工作和结构安排 | 第15-17页 |
| 1.4.1 本文主要工作 | 第15-16页 |
| 1.4.2 章节安排 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 社交网络用户影响力分析的理论基础 | 第18-26页 |
| 2.1 社交网络的概念 | 第18-20页 |
| 2.1.1 实例：微博的概念 | 第18页 |
| 2.1.2 微博的功能与特点 | 第18-19页 |
| 2.1.3 微博中的信息传播机制分析 | 第19-20页 |
| 2.2 社交网络用户影响力的相关概念 | 第20-21页 |
| 2.2.1 微观影响力 | 第20-21页 |
| 2.2.2 宏观影响力 | 第21页 |
| 2.3 社交网络中影响力研究工作概述 | 第21-24页 |
| 2.3.1 描述型影响力研究工作概述 | 第21-24页 |
| 2.3.2 预测型影响力研究工作概述 | 第24页 |
| 2.4 社交性特征学习的研究工作概述 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于内容和社交关系的影响力特征学习研究 | 第26-33页 |
| 3.1 基本思路和流程图 | 第26-27页 |
| 3.2 问题定义 | 第27-28页 |
| 3.3 问题建模 | 第28-30页 |
| 3.4 异步分布式随机梯度下降算法研究 | 第30-31页 |
| 3.5 本章小结 | 第31-33页 |
| 第四章 实验数据处理 | 第33-37页 |
| 4.1 实验初始数据 | 第33-34页 |
| 4.2 数据预处理 | 第34页 |
| 4.3 特征提取 | 第34-35页 |
| 4.4 微博话题聚类 | 第35-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第五章 影响力特征应用微观影响力研究 | 第37-44页 |
| 5.1 影响力特征应用微观影响力描述 | 第37-38页 |
| 5.2 训练与测试数据划分 | 第38页 |
| 5.2.1 时间维度上的预测 | 第38页 |
| 5.2.2 话题维度上的预测 | 第38页 |
| 5.3 实验对比方法及评估标准 | 第38-40页 |
| 5.4 实验结果与分析 | 第40-42页 |
| 5.5 实验参数变化评估 | 第42-43页 |
| 5.6 本章小结 | 第43-44页 |
| 第六章 影响力特征应用宏观影响力研究 | 第44-50页 |
| 6.1 影响力特征应用宏观影响力描述 | 第44-45页 |
| 6.2 训练与测试数据划分 | 第45页 |
| 6.3 实验对比方法及评估标准 | 第45-46页 |
| 6.4 实验结果与分析 | 第46-49页 |
| 6.5 实验参数变化评估 | 第49页 |
| 6.6 本章小结 | 第49-50页 |
| 第七章 总结与展望 | 第50-52页 |
| 7.1 本文的主要工作总结 | 第50页 |
| 7.2 未来的发展 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间的学术活动及成果清单 | 第55-56页 |
