| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第15-23页 |
| 1.1 社交网络影响力传播概述 | 第15-16页 |
| 1.2 背景知识介绍 | 第16-20页 |
| 1.2.1 基本概念 | 第16-17页 |
| 1.2.2 研究现状 | 第17-20页 |
| 1.2.3 研究趋势及研究难点 | 第20页 |
| 1.3 本文的主要工作 | 第20-22页 |
| 1.3.1 主要贡献与研究意义 | 第20-21页 |
| 1.3.2 研究方法 | 第21-22页 |
| 1.4 本文的组织结构 | 第22-23页 |
| 第2章 社交网络影响力传播相关研究 | 第23-39页 |
| 2.1 影响力传播模型 | 第23-25页 |
| 2.1.1 独立级联模型 | 第23页 |
| 2.1.2 线性阈值模型 | 第23-24页 |
| 2.1.3 引入相遇事件的影响力传播模型 | 第24-25页 |
| 2.2 影响力传播最大化算法 | 第25-31页 |
| 2.2.1 贪心算法及其改进 | 第25-29页 |
| 2.2.2 启发式算法 | 第29-30页 |
| 2.2.3 基于采样的近似算法 | 第30-31页 |
| 2.3 团队组建问题与算法 | 第31-38页 |
| 2.3.1 交流耗费最小化的团队组建算法 | 第31-34页 |
| 2.3.2 影响力传播最大化的团队组建算法 | 第34-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第3章 时间敏感的社交网络反馈收益采样估计算法 | 第39-51页 |
| 3.1 问题定义及计算复杂度 | 第39-40页 |
| 3.2 影响力传播模型性质分析 | 第40-42页 |
| 3.3 社交网络反馈收益采样估计算法 | 第42-47页 |
| 3.3.1 采样算法框架设计 | 第42-44页 |
| 3.3.2 IC-M模型下的采样算法 | 第44-45页 |
| 3.3.3 LT-M模型下的采样算法 | 第45-47页 |
| 3.4 采样算法性能分析 | 第47-49页 |
| 3.4.1 等价性分析 | 第47-48页 |
| 3.4.2 近似性分析 | 第48-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第4章 时间敏感的社交网络反馈收益最大化算法 | 第51-67页 |
| 4.1 问题定义及计算复杂度 | 第51-53页 |
| 4.2 社交网络反馈收益最大化算法 | 第53-54页 |
| 4.3 反馈收益最大化算法近似度分析 | 第54-59页 |
| 4.4 实验 | 第59-65页 |
| 4.4.1 数据集描述 | 第59-60页 |
| 4.4.2 实验参数设定 | 第60-61页 |
| 4.4.3 性能评估准则 | 第61页 |
| 4.4.4 实验结果分析 | 第61-65页 |
| 4.5 本章小结 | 第65-67页 |
| 第5章 基于时间敏感社交网络影响力传播的事件组织者挖掘 | 第67-85页 |
| 5.1 问题定义及计算复杂度 | 第67-69页 |
| 5.2 朴素贪心算法 | 第69-70页 |
| 5.3 双向算法 | 第70-76页 |
| 5.3.1 反馈收益估计策略 | 第70-71页 |
| 5.3.2 双向算法 | 第71-76页 |
| 5.4 实验 | 第76-83页 |
| 5.4.1 数据集描述 | 第76-77页 |
| 5.4.2 实验参数设定 | 第77页 |
| 5.4.3 性能评估准则 | 第77-78页 |
| 5.4.4 实验结果分析 | 第78-83页 |
| 5.5 本章小结 | 第83-85页 |
| 第6章 总结与展望 | 第85-89页 |
| 6.1 论文总结 | 第85-86页 |
| 6.2 研究展望 | 第86-89页 |
| 参考文献 | 第89-93页 |
| 致谢 | 第93-95页 |
| 在读期间发表的学术论文与取得的研究成果 | 第95页 |