| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 论文的研究背景 | 第9页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 选题意义 | 第9页 |
| 1.2 国内外研究现状及发展趋势 | 第9-12页 |
| 1.2.1 大数据环境下的虚拟社团挖掘算法 | 第10页 |
| 1.2.2 大数据环境下基于中心性的意见领袖发现算法 | 第10-11页 |
| 1.2.3 大数据环境下的信息传播影响算法等关键技术 | 第11-12页 |
| 1.2.4 小结 | 第12页 |
| 1.3 本论文的研究内容和结构安排 | 第12-15页 |
| 第2章 社团结构划分算法研究 | 第15-23页 |
| 2.1 社团结构的挖掘与识别 | 第15页 |
| 2.2 基于信息扩散的改进型LPA社团划分算法IMLPA | 第15-19页 |
| 2.2.1 LPA算法简介 | 第15-16页 |
| 2.2.2 LPA算法的特点 | 第16页 |
| 2.2.3 基于LPA的社团划分算法 | 第16-17页 |
| 2.2.4 信息扩散算法 | 第17-19页 |
| 2.3 算法框架 | 第19-20页 |
| 2.4 仿真实验 | 第20-22页 |
| 2.4.1 实验数据集 | 第20-21页 |
| 2.4.2 实验结果 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 意见领袖判别 | 第23-31页 |
| 3.1 网络意见领袖 | 第23-26页 |
| 3.1.1 意见领袖的定义 | 第23-24页 |
| 3.1.2 网络意见领袖的兴起 | 第24页 |
| 3.1.3 网络意见领袖的角色构成特征 | 第24-25页 |
| 3.1.4 网络意见领袖的传播中介功能 | 第25-26页 |
| 3.2 节点中心性判别方法 | 第26-27页 |
| 3.2.1 节点-中介中心性 | 第26页 |
| 3.2.2 节点-度中心性 | 第26页 |
| 3.2.3 节点-接近中心性 | 第26-27页 |
| 3.3 基于节点影响力的意见领袖计算过程 | 第27-28页 |
| 3.4 本章小结 | 第28-31页 |
| 第4章 软件需求设计 | 第31-43页 |
| 4.1 国内有代表性的研究机构和舆情产品 | 第31-32页 |
| 4.1.1 研究机构 | 第31页 |
| 4.1.2 舆情产品 | 第31-32页 |
| 4.2 系统需求分析 | 第32页 |
| 4.3 系统功能框架 | 第32-33页 |
| 4.4 系统各部分功能详细说明 | 第33-42页 |
| 4.4.1 信息采集模块设计 | 第33-36页 |
| 4.4.2 数据存储模块设计 | 第36-39页 |
| 4.4.3 舆情分析 | 第39-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 软件实现 | 第43-51页 |
| 5.1 实现过程关键步骤 | 第43页 |
| 5.2 实现关键点 | 第43-44页 |
| 5.3 具体实现细节 | 第44-47页 |
| 5.3.1 智能化的社交网络信息采集方法 | 第44-45页 |
| 5.3.2 基于图理论的网络信息建模和软件中图基础类的编写 | 第45-46页 |
| 5.3.3 实现双向改进型SEIR网络信息传播影响评估算法 | 第46-47页 |
| 5.4 系统实现页面 | 第47-49页 |
| 5.5 本章小结 | 第49-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 个人简历 | 第58页 |
