微博网络社团发现与预测方法研究
摘要 | 第4-6页 |
Abstract | 第6-7页 |
1 绪论 | 第11-31页 |
1.1 研究背景与选题意义 | 第11-15页 |
1.1.1 研究背景 | 第11-14页 |
1.1.2 选题意义与挑战 | 第14-15页 |
1.2 相关研究现状综述 | 第15-26页 |
1.2.1 复杂网络特性与模型演化 | 第15-20页 |
1.2.2 传播动力学模型 | 第20-22页 |
1.2.3 复杂网络博弈论 | 第22-23页 |
1.2.4 社团发现算法 | 第23-25页 |
1.2.5 社团发展趋势预测 | 第25-26页 |
1.3 主要研究内容与内在联系 | 第26-29页 |
1.4 论文组织结构 | 第29-31页 |
2 微博网络信息传播动力学模型与特性分析 | 第31-57页 |
2.1 引言 | 第31页 |
2.2 传播模型与动力学分析 | 第31-41页 |
2.2.1 具有不同网络结构的传播模型 | 第31-35页 |
2.2.2 典型传播模型分析 | 第35-41页 |
2.3 微博信息传播动力学模型 | 第41-46页 |
2.3.1 微博信息传播过程 | 第41-44页 |
2.3.2 SEINR模型描述 | 第44-46页 |
2.4 SEINR模型特性分析 | 第46-52页 |
2.4.1 求证基本再生数 | 第46-48页 |
2.4.2 平衡点存在性分析 | 第48-49页 |
2.4.3 传播稳定性分析 | 第49-51页 |
2.4.4 转发特性分析 | 第51-52页 |
2.5 实验结果分析 | 第52-56页 |
2.6 本章小结 | 第56-57页 |
3 微博用户转发行为分析 | 第57-71页 |
3.1 引言 | 第57-58页 |
3.2 序贯博弈与马尔科夫均衡 | 第58-61页 |
3.2.1 用户行为分析方法 | 第58-59页 |
3.2.2 可分离序贯博弈模型 | 第59-60页 |
3.2.3 MPE策略性质 | 第60-61页 |
3.3 用户转发行为模型 | 第61-66页 |
3.3.1 建立博弈模型 | 第62-64页 |
3.3.2 MPE一致性和存在性分析 | 第64-66页 |
3.4 实验结果分析 | 第66-69页 |
3.5 本章小结 | 第69-71页 |
4 微博网络社团发现方法 | 第71-95页 |
4.1 引言 | 第71-72页 |
4.2 现有社团发现算法及不足 | 第72-77页 |
4.2.1 基于模块度的社团发现方法 | 第72-73页 |
4.2.2 基于网络拓扑结构的社团发现方法 | 第73-76页 |
4.2.3 现有社团发现算法不足 | 第76-77页 |
4.3 融合转发特性的微博社团发现方法 | 第77-85页 |
4.3.1 转发活跃度特征集提取 | 第77-79页 |
4.3.2 LC算法优化 | 第79-82页 |
4.3.3 IC-LOC发现方法 | 第82-84页 |
4.3.4 复杂度分析 | 第84-85页 |
4.4 实验结果分析 | 第85-93页 |
4.4.1 LOC算法性能分析 | 第87-90页 |
4.4.2 活跃度特性分析 | 第90-91页 |
4.4.3 实验结果对比 | 第91-93页 |
4.5 本章小结 | 第93-95页 |
5 微博社团动态演化预测模型 | 第95-111页 |
5.1 引言 | 第95页 |
5.2 网络博弈论 | 第95-98页 |
5.2.1 博弈合作行为 | 第96页 |
5.2.2 网络演化博弈模型 | 第96-98页 |
5.3 用户合作行为分析 | 第98-100页 |
5.3.1 社会困境模型 | 第98-99页 |
5.3.2 合作策略调整动态分析 | 第99-100页 |
5.4 社团用户动态演化模型 | 第100-105页 |
5.4.1 构建演化模型 | 第100-102页 |
5.4.2 用户行为动态预测 | 第102-105页 |
5.5 实验结果分析 | 第105-108页 |
5.6 本章小结 | 第108-111页 |
6 总结与展望 | 第111-115页 |
6.1 论文总结 | 第111-112页 |
6.2 工作展望 | 第112-115页 |
参考文献 | 第115-123页 |
致谢 | 第123-125页 |
攻读博士学位期间发表的学术论文以及获奖情况 | 第125-127页 |