社交活动网络中的影响力最大化方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景 | 第10-16页 |
| 1.1.1 影响力传播研究的应用 | 第10-12页 |
| 1.1.2 影响力传播模型 | 第12-14页 |
| 1.1.3 传播模型参数学习 | 第14-15页 |
| 1.1.4 影响力最大化 | 第15-16页 |
| 1.2 本文主要研究工作和贡献 | 第16-18页 |
| 1.3 本文组织结构 | 第18-20页 |
| 第二章 影响力最大化和随机游走相关研究 | 第20-34页 |
| 2.1 基于网络拓扑的中心性指标 | 第20-22页 |
| 2.1.1 度中心性 | 第20页 |
| 2.1.2 接近中心性 | 第20-21页 |
| 2.1.3 中介中心性 | 第21-22页 |
| 2.1.4 PageRank中心性 | 第22页 |
| 2.2 影响力最大化算法 | 第22-27页 |
| 2.2.1 贪心算法 | 第23-25页 |
| 2.2.2 启发式算法 | 第25-26页 |
| 2.2.3 反向蒙特卡洛算法 | 第26-27页 |
| 2.3 随机游走 | 第27-32页 |
| 2.3.1 随机游走的应用 | 第27-31页 |
| 2.3.2 超图上的随机游走 | 第31-32页 |
| 2.4 本文的研究意义 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 社交活动网络中的影响力最大化 | 第34-50页 |
| 3.1 问题描述 | 第34-36页 |
| 3.1.1 社交活动网络模型 | 第34-35页 |
| 3.1.2 社交活动网络中的影响力最大化问题定义 | 第35-36页 |
| 3.2 考虑用户活动的影响力最大化方法 | 第36-48页 |
| 3.2.1 考虑用户活动的随机游走 | 第36-37页 |
| 3.2.2 影响力中心性 | 第37-38页 |
| 3.2.3 中心性计算 | 第38-42页 |
| 3.2.4 中心性最大化 | 第42-48页 |
| 3.3 本章小结 | 第48-50页 |
| 第四章 实验 | 第50-60页 |
| 4.1 数据集 | 第50-51页 |
| 4.2 考虑用户活动对影响力最大化的提升 | 第51-52页 |
| 4.3 算法的运行效率及准确性 | 第52-54页 |
| 4.4 模型通用性 | 第54-57页 |
| 4.4.1 线性阈值模型 | 第54-55页 |
| 4.4.2 多种用户和活动类型 | 第55-57页 |
| 4.5 模型可扩展性 | 第57-58页 |
| 4.6 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 在读期间发表的学术论文与取得的研究成果 | 第68页 |
