| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 主要符号对照表 | 第13-15页 |
| 主要缩略语对照表 | 第15-16页 |
| 第一章 绪论 | 第16-30页 |
| 1.1 信息传播网络简介 | 第16-18页 |
| 1.2 本文主要研究问题与意义 | 第18-21页 |
| 1.2.1 对新出现的热门话题的实时检测 | 第18-19页 |
| 1.2.2 对传播话题的未来流行度的预测 | 第19-20页 |
| 1.2.3 对每个网络节点与各个话题关系的预测 | 第20页 |
| 1.2.4 上述研究问题的联系 | 第20-21页 |
| 1.3 本文研究问题面临的挑战 | 第21-22页 |
| 1.4 国内外相关研究工作介绍 | 第22-26页 |
| 1.4.1 话题检测与内容分析 | 第22-23页 |
| 1.4.2 话题流行度与变化趋势预测 | 第23-24页 |
| 1.4.3 节点-话题关系预测与个性化推荐 | 第24-25页 |
| 1.4.4 关键网络节点的选取与分析 | 第25-26页 |
| 1.5 本文的研究工作与创新点 | 第26-28页 |
| 1.6 本文的章节安排 | 第28-30页 |
| 第二章 基于关键网络节点进行相关问题研究的概述 | 第30-40页 |
| 2.1 本章引言 | 第30页 |
| 2.2 信息传播网络的构成要素 | 第30-32页 |
| 2.3 基于子集节点的信息传播网络分析概述 | 第32-36页 |
| 2.3.1 网络节点的成本 | 第32-35页 |
| 2.3.2 基于子集节点的分析收益 | 第35页 |
| 2.3.3 收益函数的子模特性 | 第35-36页 |
| 2.4 关键子集网络节点的选取模型概述 | 第36-38页 |
| 2.5 本章小结 | 第38-40页 |
| 第三章 基于关键节点信息流分析的热门话题检测 | 第40-78页 |
| 3.1 本章引言 | 第40-42页 |
| 3.2 基于子集节点覆盖度模型的热门话题检测算法 | 第42-46页 |
| 3.2.1 节点生成信息流的传统话题检测方法 | 第42-43页 |
| 3.2.2 节点覆盖度与热门话题检测 | 第43-46页 |
| 3.3 面向热门话题检测的关键子集节点选取算法 | 第46-58页 |
| 3.3.1 热门话题检测中的子集节点选取模型 | 第46-48页 |
| 3.3.2 话题检测收益函数的子模特性证明 | 第48-52页 |
| 3.3.3 多阶段覆盖算法 | 第52-54页 |
| 3.3.4 高效率多重覆盖算法 | 第54-58页 |
| 3.4 实验与分析 | 第58-76页 |
| 3.4.1 实验数据集的获取与预处理方法 | 第58-61页 |
| 3.4.2 实验数据集介绍 | 第61-63页 |
| 3.4.3 实验设置与评价标准 | 第63-67页 |
| 3.4.4 实验结果分析与讨论 | 第67-76页 |
| 3.5 本章小结 | 第76-78页 |
| 第四章 基于关键节点时序数据的话题未来流行度预测 | 第78-102页 |
| 4.1 本章引言 | 第78-79页 |
| 4.2 基于子集节点时序数据的预测模型 | 第79-83页 |
| 4.2.1 信息传播网络中的话题流行度预测 | 第79-81页 |
| 4.2.2 基于关键子集节点的预测模型 | 第81-83页 |
| 4.3 基于子集节点序列范本集的时间序列预测算法 | 第83-87页 |
| 4.3.1 话题流行度增量序列的范本集 | 第83-84页 |
| 4.3.2 范本序列的相似度计算 | 第84-85页 |
| 4.3.3 基于相似范本序列的话题流行度预测 | 第85-87页 |
| 4.4 面向多任务目标的关键子集节点选取算法 | 第87-93页 |
| 4.4.1 话题流行度预测中的子集节点选取模型 | 第89-90页 |
| 4.4.2 与话题检测相结合的子集节点选取算法 | 第90-93页 |
| 4.5 实验与分析 | 第93-100页 |
| 4.5.1 实验设置与评价标准 | 第93-94页 |
| 4.5.2 实验结果分析与讨论 | 第94-100页 |
| 4.6 本章小结 | 第100-102页 |
| 第五章 基于关键节点评价关系的节点–话题关系预测 | 第102-138页 |
| 5.1 本章引言 | 第102-105页 |
| 5.2 节点–话题关系与话题热度指数的联合预测模型 | 第105-110页 |
| 5.2.1 关系矩阵分解与未知元素值预测 | 第105-107页 |
| 5.2.2 话题的未来热度指数预测 | 第107-108页 |
| 5.2.3 面向新话题的联合预测模型 | 第108-110页 |
| 5.3 基于子集节点选取决策树模型的联合预测算法 | 第110-120页 |
| 5.3.1 选取关键子集网络节点的决策树模型 | 第110-114页 |
| 5.3.2 联合预测模型的求解与迭代交替优化 | 第114-115页 |
| 5.3.3 决策树模型的构建算法. | 第115-120页 |
| 5.4 实验与分析 | 第120-136页 |
| 5.4.1 实验数据集介绍. | 第120-126页 |
| 5.4.2 实验设置与评价标准 | 第126-128页 |
| 5.4.3 实验结果分析与讨论 | 第128-136页 |
| 5.5 本章小结 | 第136-138页 |
| 第六章 总结与展望 | 第138-142页 |
| 6.1 论文工作总结 | 第138-139页 |
| 6.2 未来工作展望 | 第139-142页 |
| 参考文献 | 第142-170页 |
| 致谢 | 第170-172页 |
| 攻读学位期间发表的学术论文 | 第172-174页 |
| 攻读学位期间申请的专利 | 第174-176页 |
| 攻读学位期间参与的项目 | 第176-178页 |