| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景及研究的目的和意义 | 第8-10页 |
| 1.2 与本课题有关的国内外研究状况 | 第10-11页 |
| 1.3 本论文的主要工作内容 | 第11-12页 |
| 1.4 本论文的组织结构 | 第12-14页 |
| 第2章 跨渠道的个人社交生态系统概述 | 第14-22页 |
| 2.1 跨渠道的个人社交生态系统的定义 | 第14-17页 |
| 2.2 社交强度定义算法与社交强度影响因素分析 | 第17-19页 |
| 2.2.1 社交强度定义算法 | 第17-18页 |
| 2.2.2 社交强度影响因素 | 第18-19页 |
| 2.3 构建跨渠道的个人社交生态系统数据来源 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 跨渠道的个人社交生态系统的恢复与可视化 | 第22-39页 |
| 3.1 跨渠道的个人社交生态系统的恢复 | 第22-32页 |
| 3.1.1 Android APP读取通信记录 | 第22-25页 |
| 3.1.2 邮件插件获取邮件往来 | 第25-26页 |
| 3.1.3 基于Java的微博爬虫获取微博关系 | 第26-32页 |
| 3.2 跨渠道的个人社交生态系统的恢复可视化工具 | 第32-35页 |
| 3.2.1 可视化工具的选择 | 第32-33页 |
| 3.2.2 可视化工具生成网络拓扑图流程 | 第33-35页 |
| 3.3 跨渠道的个人社交生态系统随时间变化的分析 | 第35-38页 |
| 3.3.1 对时间长度的选择 | 第35页 |
| 3.3.2 跨渠道的个人社交生态系统的变化分析 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 跨渠道的社交偏好分析 | 第39-52页 |
| 4.1 跨渠道的社交时间点偏好分析 | 第40-43页 |
| 4.1.1 两两用户之间社交时间点偏好分析 | 第40-41页 |
| 4.1.2 单一用户社交时间点偏好分析 | 第41-43页 |
| 4.2 跨渠道的社交渠道偏好分析 | 第43-45页 |
| 4.2.1 两两用户之间社交渠道偏好分析 | 第43页 |
| 4.2.2 单一用户社交渠道偏好分析 | 第43-44页 |
| 4.2.3 用户在不同时间段内社交渠道偏好分析 | 第44-45页 |
| 4.3 跨渠道的社交内容偏好分析 | 第45-51页 |
| 4.3.1 两两用户之间社交内容偏好分析 | 第45-47页 |
| 4.3.2 单一用户社交内容偏好分析 | 第47-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 跨渠道的个人社交系统恢复与偏好分析工具 | 第52-68页 |
| 5.1 跨渠道的个人社交生态系统恢复与偏好分析工具需求 | 第52-54页 |
| 5.2 跨渠道的个人社交生态系统恢复与偏好分析工具设计实现 | 第54-60页 |
| 5.3 跨渠道的个人社交生态系统恢复与偏好分析工具结果展示 | 第60-63页 |
| 5.4 跨渠道的个人社交生态系统恢复与偏好分析工具测试 | 第63-67页 |
| 5.5 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 个人简历 | 第75页 |
