| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究目的及意义 | 第11-12页 |
| 1.3 研究内容及方法 | 第12-15页 |
| 第2章 国内外研究现状 | 第15-26页 |
| 2.1 符号网络研究现状 | 第16-20页 |
| 2.1.1 符号网络的基本概念及基本原理 | 第16-19页 |
| 2.1.2 中尺度符号网络研究现状 | 第19-20页 |
| 2.2 情感极性分类研究现状 | 第20-23页 |
| 2.2.1 基于情感词典的分类方法 | 第20-21页 |
| 2.2.2 基于机器学习的分类方法 | 第21-23页 |
| 2.3 社交网络关键用户发现研究现状 | 第23-25页 |
| 2.3.1 基于网络结构的发现方法 | 第23-24页 |
| 2.3.2 基于网络链接的发现方法 | 第24-25页 |
| 本章小结 | 第25-26页 |
| 第3章 基于微博转发情感极性的符号网络模型构建 | 第26-36页 |
| 3.1 微博转发符号网络模型框架 | 第26-27页 |
| 3.2 微博转发内容情感极性分类 | 第27-33页 |
| 3.2.1 基于微博情感词典的转发文本情感词提取 | 第27-30页 |
| 3.2.2 基于情感词汇及语义规则的情感值计算 | 第30-32页 |
| 3.2.3 微博转发情感极性分类流程 | 第32-33页 |
| 3.3 网络节点权重计算 | 第33-34页 |
| 3.4 微博转发符号网络示例 | 第34-35页 |
| 本章小结 | 第35-36页 |
| 第4章 基于微博转发符号网络的关键用户发现模型构建 | 第36-46页 |
| 4.1 关键用户发现模型框架 | 第36-37页 |
| 4.2 基于符号网络结构的 PageRank 算法改进 | 第37-43页 |
| 4.2.1 PageRank 算法的基本思想及流程 | 第37-40页 |
| 4.2.2 基于符号网络节点权重的改进 | 第40-41页 |
| 4.2.3 基于符号网络节点度的改进 | 第41-43页 |
| 4.3 基于节点正负影响力的关键用户发现规则制定 | 第43-44页 |
| 4.4 基于符号网络的微博关键用户发现算法描述 | 第44-45页 |
| 本章小结 | 第45-46页 |
| 第5章 实验设计与结果分析 | 第46-51页 |
| 5.1 实验数据 | 第46-47页 |
| 5.2 实验设计及评价指标 | 第47-48页 |
| 5.3 实验结果分析 | 第48-50页 |
| 本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 6.1 全文总结 | 第51-52页 |
| 6.2 研究展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间获得与学位论文相关的科研成果 | 第58页 |
