复杂网络上的网络舆情演化模型研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-19页 |
| 1.1 研究背景 | 第7-9页 |
| 1.2 选题意义 | 第9-11页 |
| 1.3 国内外研究现状 | 第11-16页 |
| 1.3.1 基本研究方法 | 第11-13页 |
| 1.3.2 演化与传播模型 | 第13-16页 |
| 1.4 论文内容及结构 | 第16-19页 |
| 第2章 相关研究理论 | 第19-27页 |
| 2.1 元胞自动机 | 第19-23页 |
| 2.1.1 元胞自动机定义 | 第19页 |
| 2.1.2 元胞自动机组成 | 第19-21页 |
| 2.1.3 CA的特点与优势 | 第21-22页 |
| 2.1.4 元胞自动机应用 | 第22-23页 |
| 2.2 有限信任模型 | 第23-27页 |
| 2.2.1 Deffuant模型 | 第23-25页 |
| 2.2.2 HK模型 | 第25-27页 |
| 第3章 Bass元胞自动机网络舆情传播模型 | 第27-39页 |
| 3.1 引言 | 第27页 |
| 3.2 Bass元胞自动机介绍 | 第27-30页 |
| 3.2.1 Bass模型 | 第27-29页 |
| 3.2.2 Bass元胞自动机原理 | 第29-30页 |
| 3.3 模型转换规则及相关算法 | 第30-31页 |
| 3.3.1 元胞状态转换规则 | 第30页 |
| 3.3.2 元胞遍历算法 | 第30-31页 |
| 3.3.3 粗细粒度算法 | 第31页 |
| 3.4 实验结果及对比分析 | 第31-37页 |
| 3.4.1 仿真实验 | 第31-32页 |
| 3.4.2 结果及对比分析 | 第32-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 记忆有限信任网络舆情传播模型构建 | 第39-49页 |
| 4.1 引言 | 第39页 |
| 4.2 加速增长HK网络 | 第39-41页 |
| 4.3 有记忆的有限信任模型 | 第41-43页 |
| 4.3.1 初始网络模型构建 | 第41-42页 |
| 4.3.2 观点演化规则 | 第42-43页 |
| 4.4 实验结果及对比分析 | 第43-47页 |
| 4.4.1 模型仿真算法 | 第43页 |
| 4.4.2 对比信任阈值对观点演化的影响 | 第43-45页 |
| 4.4.3 比较记忆长度对舆情演化的影响 | 第45-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第5章 结论与展望 | 第49-51页 |
| 5.1 本论文所做的工作 | 第49页 |
| 5.2 论文的不足与展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间的研究成果 | 第57页 |
