| 致谢 | 第9-10页 |
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第22-30页 |
| 1.1 研究背景与学术思想 | 第22-26页 |
| 1.1.1 研究背景 | 第22-24页 |
| 1.1.2 学术背景 | 第24-26页 |
| 1.2 研究意义 | 第26-27页 |
| 1.3 研究框架 | 第27-30页 |
| 1.3.1 研究内容 | 第27-28页 |
| 1.3.2 研究方法 | 第28-30页 |
| 第二章 文献综述 | 第30-42页 |
| 2.1 社交网络社会选择和社会影响研究 | 第30-32页 |
| 2.1.1 社会选择和社会影响现象 | 第30页 |
| 2.1.2 社会选择和社会影响量化与区分 | 第30-31页 |
| 2.1.3 社会选择和社会影响作用下的网络特征 | 第31-32页 |
| 2.2 社交网络结构分析研究 | 第32-34页 |
| 2.2.1 多维网络结构 | 第32-33页 |
| 2.2.2 网络社区识别和发现 | 第33页 |
| 2.2.3 社交网络用户影响力分析 | 第33-34页 |
| 2.3 群推荐研究 | 第34-42页 |
| 2.3.1 群推荐应用场合和研究问题 | 第34-36页 |
| 2.3.2 用户兴趣偏好表示方法 | 第36-37页 |
| 2.3.3 获取群用户偏好信息方法 | 第37页 |
| 2.3.4 生成推荐 | 第37-38页 |
| 2.3.5 偏好集结策略 | 第38-40页 |
| 2.3.6 生成推荐应用 | 第40-41页 |
| 2.3.7 解释推荐 | 第41-42页 |
| 第三章 社会选择和社会影响在社交网络中的作用现象分析 | 第42-56页 |
| 3.1 引言 | 第42-43页 |
| 3.2 实验数据集网络统计指标 | 第43-45页 |
| 3.2.1 实验网络结构指标分析 | 第43-44页 |
| 3.2.2 实验网络活动参与分析 | 第44-45页 |
| 3.3 实验网络指数随机图分析 | 第45-50页 |
| 3.3.1 指数随机图模型简介 | 第45-48页 |
| 3.3.2 实验网络指数随机图分析结果 | 第48-50页 |
| 3.4 实验网络社区活动话题的参与分析 | 第50-55页 |
| 3.4.1 实验网络不同作用机制量化分析 | 第50-52页 |
| 3.4.2 不同机制下社区活动话题的时间跨度分析 | 第52-54页 |
| 3.4.3 不同机制下参与社区活动话题的时间分布分析 | 第54-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 社交网络社会选择和社会影响的作用机制仿真分析 | 第56-70页 |
| 4.1 引言 | 第56-57页 |
| 4.2 社交网络社会归属网络模型表示 | 第57页 |
| 4.3 社会选择和社会影响作用机制仿真 | 第57-61页 |
| 4.3.1 仿真作用机制定义 | 第58-59页 |
| 4.3.2 仿真初始化设置 | 第59页 |
| 4.3.3 仿真网络演化 | 第59-60页 |
| 4.3.4 仿真设置说明 | 第60-61页 |
| 4.4 仿真结果分析 | 第61-69页 |
| 4.4.1 仿真网络宏观指标分析 | 第61-63页 |
| 4.4.2 仿真网络结构分析 | 第63-64页 |
| 4.4.3 仿真网络社区划分分析 | 第64-65页 |
| 4.4.4 仿真网络参与社区活动分析 | 第65-66页 |
| 4.4.5 仿真网络传播特性分析 | 第66-67页 |
| 4.4.6 仿真网络节点影响力分析 | 第67-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 考虑社会选择和社会影响的用户兴趣偏好获取方法研究 | 第70-84页 |
| 5.1 引言 | 第70-71页 |
| 5.2 社交网络用户兴趣偏好表示 | 第71-75页 |
| 5.2.1 用户兴趣偏好表示模型 | 第72页 |
| 5.2.2 用户兴趣LDA模型建模方式 | 第72-73页 |
| 5.2.3 中文分词和词性对模型的影响 | 第73-75页 |
| 5.3 用户兴趣偏好获取方法 | 第75-78页 |
| 5.3.1 基于用户创造内容的兴趣偏好获取 | 第75页 |
| 5.3.2 参与话题讨论社会选择行为的最近邻兴趣偏好获取 | 第75-76页 |
| 5.3.3 结合用户社会影响力的最近邻兴趣偏好获取 | 第76-78页 |
| 5.4 实验结果及分析 | 第78-82页 |
| 5.4.1 实验数据集 | 第78-79页 |
| 5.4.2 实验评价标准 | 第79页 |
| 5.4.3 实验结果分析 | 第79-82页 |
| 5.5 本章小结 | 第82-84页 |
| 第六章 基于多维社会选择和社会影响关系的社交网络社区识别研究 | 第84-101页 |
| 6.1 引言 | 第84-85页 |
| 6.2 多维社交网络构建方法 | 第85-87页 |
| 6.2.1 基于社交关系的单维网络构建 | 第85-86页 |
| 6.2.2 用户属性相似网络构建 | 第86-87页 |
| 6.3 多维网络集结 | 第87-90页 |
| 6.3.1 多维网络集结策略 | 第87-89页 |
| 6.3.2 用户多属性相似矩阵的合成 | 第89-90页 |
| 6.3.3 集结实例说明 | 第90页 |
| 6.4 多维网络社区识别方法 | 第90-91页 |
| 6.5 多维网络社区识别评价方法 | 第91-92页 |
| 6.6 实验结果及分析 | 第92-100页 |
| 6.6.1 基于社交关系的单维网络构建 | 第92-94页 |
| 6.6.2 实验结果分析 | 第94-97页 |
| 6.6.3 实验敏感性分析 | 第97-100页 |
| 6.7 本章小结 | 第100-101页 |
| 第七章 基于社会选择和社会影响的群推荐策略研究 | 第101-118页 |
| 7.1 引言 | 第101-102页 |
| 7.2 群分类与群推荐策略 | 第102-106页 |
| 7.2.1 群用户偏好数据获取 | 第102-104页 |
| 7.2.2 群分类与群偏好集结 | 第104-105页 |
| 7.2.3 基于群分类的群推荐策略 | 第105-106页 |
| 7.3 群推荐实现方法 | 第106-110页 |
| 7.3.1 基于矩阵分解的模型表示 | 第106页 |
| 7.3.2 基于贝叶斯个性化排序的实现技术 | 第106-109页 |
| 7.3.3 群推荐策略实现 | 第109-110页 |
| 7.4 群推荐实验 | 第110-116页 |
| 7.4.1 实验数据集 | 第110页 |
| 7.4.2 实验评价方法 | 第110-111页 |
| 7.4.3 用户和群分类结果 | 第111-112页 |
| 7.4.4 群推荐结果分析 | 第112-114页 |
| 7.4.5 敏感性分析 | 第114-116页 |
| 7.5 本章小节 | 第116-118页 |
| 第八章 总结与展望 | 第118-122页 |
| 8.1 主要研究成果与结论 | 第118-119页 |
| 8.2 创新点 | 第119-120页 |
| 8.3 研究展望 | 第120-122页 |
| 参考文献 | 第122-134页 |
| 攻读博士学位期间的学术活动及成果情况 | 第134-135页 |
