社会网络信息传播与影响力最大化研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第14-24页 |
| 1.1 研究背景 | 第14-18页 |
| 1.1.1 社会网络信息传播 | 第15-16页 |
| 1.1.2 社会网络影响力最大化 | 第16-18页 |
| 1.2 社会网络信息传播和影响力最大化 | 第18-19页 |
| 1.2.1 问题的产生和意义 | 第18页 |
| 1.2.2 研究的内容和挑战 | 第18-19页 |
| 1.3 本文的主要贡献 | 第19-21页 |
| 1.4 本文的主要结构 | 第21-24页 |
| 2 相关工作 | 第24-30页 |
| 2.1 社会网络结构研究 | 第24-25页 |
| 2.2 社会网络信息传播相关工作 | 第25-27页 |
| 2.3 影响力最大化相关工作 | 第27-29页 |
| 2.4 小结 | 第29-30页 |
| 3 社会网络结构模式分析与信息传播预测 | 第30-48页 |
| 3.1 引言 | 第30-31页 |
| 3.2 相关工作 | 第31-32页 |
| 3.3 数据集、信息传播和级联模式 | 第32-35页 |
| 3.3.1 数据集 | 第33页 |
| 3.3.2 信息传播 | 第33-34页 |
| 3.3.3 级联结构模式 | 第34-35页 |
| 3.4 级联模式挖掘 | 第35-42页 |
| 3.4.1 级联降维嵌入 | 第35-37页 |
| 3.4.2 谱聚类 | 第37-38页 |
| 3.4.3 信息级联的结构模式 | 第38-42页 |
| 3.5 信息级联预测 | 第42-46页 |
| 3.5.1 实验设置 | 第42-43页 |
| 3.5.2 级联结构预测 | 第43-44页 |
| 3.5.3 预测级联流行度 | 第44-46页 |
| 3.6 本章小结 | 第46-48页 |
| 4 交互信息传播影响力最大化算法 | 第48-64页 |
| 4.1 引言 | 第48-50页 |
| 4.2 相关工作 | 第50页 |
| 4.3 交互信息传播模型 | 第50-53页 |
| 4.4 问题定义 | 第53-54页 |
| 4.5 交互信息传播影响力最大化算法 | 第54-59页 |
| 4.5.1 交互信息传播模型的性质 | 第54-56页 |
| 4.5.2 通过回溯寻找影响力节点 | 第56-59页 |
| 4.6 实验评估 | 第59-63页 |
| 4.6.1 实验设置 | 第59页 |
| 4.6.2 影响力传播 | 第59-61页 |
| 4.6.3 收敛速度和可扩展性 | 第61-63页 |
| 4.7 本章小结 | 第63-64页 |
| 5 基于用户激励的广告传播最大化算法 | 第64-90页 |
| 5.1 引言 | 第64-66页 |
| 5.2 相关工作 | 第66-67页 |
| 5.3 模型与问题 | 第67-71页 |
| 5.3.1 效用模型 | 第67-68页 |
| 5.3.2 信息传播模型 | 第68-69页 |
| 5.3.3 问题定义 | 第69-71页 |
| 5.4 基于用户激励的最优预算分配方案 | 第71-79页 |
| 5.4.1 问题难度 | 第71-72页 |
| 5.4.2 离散贪心算法 | 第72-76页 |
| 5.4.3 选择离散的粒度 | 第76-78页 |
| 5.4.4 扩展 | 第78-79页 |
| 5.5 提升效率 | 第79-81页 |
| 5.6 实验 | 第81-87页 |
| 5.6.1 实验设定 | 第81-83页 |
| 5.6.2 实验结果：广告传播 | 第83-86页 |
| 5.6.3 实验结果：离散粒度的选择 | 第86-87页 |
| 5.6.4 可扩展性 | 第87页 |
| 5.7 本章小结 | 第87-90页 |
| 6 结论 | 第90-94页 |
| 6.1 论文总结 | 第90-91页 |
| 6.2 未来工作 | 第91-94页 |
| 致谢 | 第94-96页 |
| 参考文献 | 第96-109页 |
| 简历与科研成果 | 第109-111页 |
