| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 社会网络研究概述 | 第10-14页 |
| 1.2 社会网络影响最大化问题 | 第14-18页 |
| 1.2.1 研究意义 | 第14-15页 |
| 1.2.2 算法度量标准 | 第15-17页 |
| 1.2.3 面临的挑战 | 第17-18页 |
| 1.3 本文主要研究内容 | 第18-19页 |
| 1.4 本文的组织安排 | 第19-21页 |
| 第2章 相关研究 | 第21-34页 |
| 2.1 社会网络影响最大化问题基本定义 | 第21-22页 |
| 2.2 影响传播模型 | 第22-25页 |
| 2.2.1 独立级联模型 | 第22-23页 |
| 2.2.2 线性阈值模型 | 第23-24页 |
| 2.2.3 其它影响传播模型 | 第24-25页 |
| 2.3 影响最大化问题求解算法 | 第25-31页 |
| 2.3.1 贪心算法 | 第25-28页 |
| 2.3.2 启发式算法 | 第28-31页 |
| 2.4 影响最大化问题的延伸 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 多因素组合的影响最大化算法 | 第34-51页 |
| 3.1 引言 | 第34-36页 |
| 3.2 算法设计 | 第36-42页 |
| 3.2.1 问题定义 | 第36-37页 |
| 3.2.2 MultiFactor-Greedy算法 | 第37-39页 |
| 3.2.3 TG-IM算法 | 第39-42页 |
| 3.3 实验与分析 | 第42-50页 |
| 3.3.1 实验设置 | 第42-43页 |
| 3.3.2 算法精度分析 | 第43-45页 |
| 3.3.3 算法时间分析 | 第45-47页 |
| 3.3.4 参数评估 | 第47-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 基于MapReduce模型的并行影响最大化算法 | 第51-64页 |
| 4.1 背景理论 | 第51-54页 |
| 4.1.1 影响最大化问题的并行性 | 第51-52页 |
| 4.1.2 MapReduce模型和相关框架 | 第52-54页 |
| 4.2 算法设计 | 第54-60页 |
| 4.2.1 问题定义 | 第54-56页 |
| 4.2.2 MP-IM算法 | 第56-60页 |
| 4.3 实验与分析 | 第60-63页 |
| 4.3.1 实验设置 | 第60-61页 |
| 4.3.2 算法精度分析 | 第61-62页 |
| 4.3.3 算法时间分析 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 并行的多因素组合影响最大化算法 | 第64-71页 |
| 5.1 引言 | 第64-65页 |
| 5.2 算法设计 | 第65-67页 |
| 5.2.1 问题定义 | 第65页 |
| 5.2.2 MPTG-IM算法 | 第65-67页 |
| 5.3 实验与分析 | 第67-70页 |
| 5.3.1 实验设置 | 第67页 |
| 5.3.2 实验结果 | 第67-70页 |
| 5.4 本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-79页 |
| 致谢 | 第79页 |