| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-21页 |
| ·论文背景及目的 | 第10页 |
| ·研究意义 | 第10-15页 |
| ·研究现状 | 第15-18页 |
| ·社会电视受众行为测量与研究 | 第15-16页 |
| ·社会电视受众行为分析与建模 | 第16-17页 |
| ·社会电视影响力分析与评价方法 | 第17-18页 |
| ·论文主要工作 | 第18-19页 |
| ·论文组织结构 | 第19-21页 |
| 第二章 相关理论知识和关键技术 | 第21-27页 |
| ·网络爬虫技术 | 第21-22页 |
| ·网页信息抽取技术 | 第22页 |
| ·Hibernate和Spring技术在数据库中的应用 | 第22-23页 |
| ·P2P网络测量技术 | 第23-25页 |
| ·Google Maps API技术 | 第25-26页 |
| ·IP地址解析技术 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 微博用户行为分析 | 第27-38页 |
| ·微博数据采集 | 第27-30页 |
| ·新浪微博数据采集系统 | 第27-29页 |
| ·基于新浪微博API的数据采集 | 第29-30页 |
| ·焦点人物分析 | 第30-33页 |
| ·焦点人物的定义 | 第30-31页 |
| ·粉丝地理分布分析 | 第31-32页 |
| ·基于活跃度的粉丝用户分类 | 第32页 |
| ·关注度分析 | 第32-33页 |
| ·活跃用户行为分析 | 第33-37页 |
| ·用户发帖量分布 | 第33-34页 |
| ·用户回帖行为分析 | 第34-36页 |
| ·用户网络拓扑结构分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 P2P TV用户行为分析 | 第38-50页 |
| ·爬行器设计与实现 | 第38-41页 |
| ·系统框架设计 | 第38-41页 |
| ·引导节点构造 | 第41页 |
| ·在线用户分布模型 | 第41-46页 |
| ·用户在线时长分布 | 第41-42页 |
| ·基于在线时长的用户分类 | 第42页 |
| ·分类用户的在线时间演化 | 第42-44页 |
| ·用户到达率 | 第44-46页 |
| ·用户地理位置分布 | 第46-49页 |
| ·拓扑预处理 | 第46页 |
| ·用户分布可视化 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 微博和P2P TV用户行为对比分析 | 第50-54页 |
| ·用户在线数量对比分析 | 第50-51页 |
| ·用户在线时长对比分析 | 第51页 |
| ·用户在线时间演化分析对比 | 第51-52页 |
| ·用户地理分布对比分析 | 第52-54页 |
| 第六章 结束语 | 第54-56页 |
| ·本文主要工作及创新点 | 第54-55页 |
| ·未来工作展望 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 作者在学期间取得的学术成果 | 第63页 |