| 摘要 | 第1-7页 |
| ABSTRACT | 第7-15页 |
| 主要符号表 | 第15-17页 |
| 第一章 绪论 | 第17-27页 |
| ·相关背景和研究动态 | 第18-22页 |
| ·相关领域的研究动态 | 第18-20页 |
| ·Twitter研究实例及爬虫系统简介 | 第20-22页 |
| ·课题来源及主要研究内容 | 第22-25页 |
| ·课题来源 | 第22页 |
| ·主要内容与创新点 | 第22-25页 |
| ·论文章节安排 | 第25-27页 |
| 第二章 关系数据分类框架及算法 | 第27-44页 |
| ·关系数据简介 | 第28-32页 |
| ·数据框架（Data Skeleton） | 第29-30页 |
| ·概率模型（Probabilistic Model） | 第30-31页 |
| ·推理图（Inference Graph） | 第31页 |
| ·单变量网络数据分类 | 第31-32页 |
| ·关系数据分类框架 | 第32-37页 |
| ·Local Classifier模块 | 第32-33页 |
| ·Relational Classifier模块 | 第33页 |
| ·几种常用的Relational Classifier算法 | 第33-35页 |
| ·Collective Inference模块 | 第35页 |
| ·几种常用的Collective Inference算法 | 第35-37页 |
| ·各种关系分类算法和联合推理算法的组合及对比 | 第37-42页 |
| ·已知标记样本的占比r对关系分类算法预测精度的影响 | 第38页 |
| ·已知标记样本的占比r对联合推理算法预测精度的影响 | 第38页 |
| ·已知标记样本的占比r对各种算法组合的预测精度的影响 | 第38-42页 |
| ·本章小结 | 第42-44页 |
| 第三章 对LOCALCLASSIFIER 模块进行算法改进 | 第44-54页 |
| ·对LOCAL CLASSIFIER模块进行误分代价敏感化处理 | 第44-50页 |
| ·误分类代价的定义 | 第44-45页 |
| ·将误分类代价引入Local Classifier模块 | 第45-50页 |
| ·将迁移学习引入LOCAL CLASSIFIER模块 | 第50-53页 |
| ·TL-NB算法 | 第51-52页 |
| ·实验和对比 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 网络数据的同质性度量 | 第54-67页 |
| ·相关工作、背景和研究意义 | 第54-55页 |
| ·问题描述和建模 | 第55-56页 |
| ·类别关系矩阵E-Matrix和N-Matrix | 第55-56页 |
| ·特定类别的相关范围（xi_class_circle） | 第56页 |
| ·两组类别同质性指标的定义和对比 | 第56-58页 |
| ·Edge-centered indexes | 第56-57页 |
| ·Node-centered indexes | 第57页 |
| ·两组类别同质性指标的对比 | 第57-58页 |
| ·E-INDEX的定义 | 第58页 |
| ·实验对比 | 第58-65页 |
| ·数据描述 | 第59-61页 |
| ·E-Index与F1-6 的有效性对比 | 第61-64页 |
| ·类别的同质性对网络数据分类精度的影响 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 第五章 基于分级采样的TWITTER爬虫系统 | 第67-81页 |
| ·相关工作 | 第67-68页 |
| ·TWITTER建模及特征分析 | 第68-70页 |
| ·TWITTER用户的信息交互行为分析 | 第70-71页 |
| ·爬虫的系统架构 | 第71-74页 |
| ·系统设计 | 第72-73页 |
| ·资源配制优化 | 第73-74页 |
| ·用户采样及更新 | 第74-76页 |
| ·Rank模块的数据结构 | 第74-75页 |
| ·用户采样及更新 | 第75页 |
| ·采样算法 | 第75-76页 |
| ·P值设定 | 第76页 |
| ·实验对比及分析 | 第76-79页 |
| ·本章小结 | 第79-81页 |
| 第六章 TWITTER的FOLLOW关系和RETWEET关系对比 | 第81-91页 |
| ·相关工作 | 第81-82页 |
| ·FOLLOW和RETWEET在传播用户影响力上的差异 | 第82-86页 |
| ·Follow关系和Retweet关系的出入度分布 | 第82-85页 |
| ·Follow和Retweet在传播用户影响力上的差异 | 第85-86页 |
| ·基于FOLLOW 和RETWEET的TWITTER用户分类 | 第86-87页 |
| ·采用用户列表对用户预赋类别标签 | 第86-87页 |
| ·采用WVRN算法对用户进行分类 | 第87页 |
| ·实验与结果分析 | 第87-90页 |
| ·数据处理 | 第87-88页 |
| ·实验结果及分析 | 第88-90页 |
| ·本章小结 | 第90-91页 |
| 第七章 全文总结与展望 | 第91-94页 |
| ·全文工作总结 | 第91-92页 |
| ·未来工作展望 | 第92-94页 |
| 致谢 | 第94-95页 |
| 参考文献 | 第95-105页 |
| 攻博期间取得的研究成果 | 第105-107页 |
