基于异构社会网络的个体行为建模研究与应用
| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景 | 第10-11页 |
| ·研究现状 | 第11-14页 |
| ·社交网络的结构与演化机理分析 | 第11-12页 |
| ·社交网络中群体互动及相互影响 | 第12-13页 |
| ·社交网络中的信息与信息传播 | 第13-14页 |
| ·研究意义 | 第14-15页 |
| ·主要研究内容和路线 | 第15-16页 |
| ·论文组织结构 | 第16-18页 |
| 第2章 相关理论方法介绍 | 第18-23页 |
| ·网络特性及研究对象 | 第18-19页 |
| ·基本统计属性 | 第18页 |
| ·网络特征度量 | 第18-19页 |
| ·其他特征度量 | 第19页 |
| ·基于机器学习方法的数据分析 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 第3章社交网络中个体行为建模研究 | 第23-33页 |
| ·个体/群体行为建模 | 第23-24页 |
| ·模型框架结构描述 | 第24页 |
| ·个体度量特征定义 | 第24-25页 |
| ·大规模网络下用户角色挖掘的聚集算法 | 第25-28页 |
| ·问题相关定义 | 第25-26页 |
| ·算法描述 | 第26-27页 |
| ·主节点的全局聚类 | 第27页 |
| ·子节点部分的局部聚集计算 | 第27-28页 |
| ·实验设置 | 第28-32页 |
| ·聚类算法评价 | 第28-30页 |
| ·基于腾讯微博数据分析的实验结果 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于异构网络的个体行为研究 | 第33-45页 |
| ·异构网络 | 第33-34页 |
| ·贝叶斯网络和置信度传播算法 | 第34-38页 |
| ·贝叶斯网络 | 第34-35页 |
| ·置信度传播算法 | 第35-38页 |
| ·异构网络个体发现算法 | 第38-41页 |
| ·问题定义 | 第39-40页 |
| ·模型算法 | 第40-41页 |
| ·试验设置 | 第41-44页 |
| ·数据描述 | 第41-42页 |
| ·实验结果及分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 应用系统——数据分析平台 | 第45-57页 |
| ·总体架构 | 第45-46页 |
| ·层次功能划分 | 第46-47页 |
| ·数据层 | 第46页 |
| ·数据预处理层 | 第46页 |
| ·数据分析层 | 第46-47页 |
| ·接口和可视化层 | 第47页 |
| ·应用系统详细设计 | 第47-54页 |
| ·并行数据处理设计 | 第47-49页 |
| ·软件定义安全结构体系 | 第49-50页 |
| ·分布式缓存及其他分布式系统 | 第50-51页 |
| ·集成的经典算法 | 第51-52页 |
| ·可视化介绍 | 第52-54页 |
| ·系统效果展示 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| ·研究工作总结 | 第57-58页 |
| ·下一步研究工作的展望 | 第58-59页 |
| 参考文献 | 第59-66页 |
| 致谢 | 第66-68页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第68页 |
