| 摘要 | 第1-13页 |
| ABSTRACT | 第13-16页 |
| 第一章 绪论 | 第16-40页 |
| ·研究背景 | 第16-24页 |
| ·在线社交网络概述 | 第16-19页 |
| ·在线社交网络舆情 | 第19-20页 |
| ·在线社交网络中的信息传播 | 第20-22页 |
| ·面向在线社交网络舆情的信息传播分析技术所面临的挑战 | 第22-24页 |
| ·相关研究工作 | 第24-34页 |
| ·社交网络中信息传播模型 | 第24-27页 |
| ·面向信息传播的连接强度计算 | 第27-29页 |
| ·用户兴趣发现 | 第29-31页 |
| ·信息传播中的演化性 | 第31-32页 |
| ·话题发现、跟踪与热度预测 | 第32-34页 |
| ·研究内容与主要创新 | 第34-37页 |
| ·论文结构 | 第37-40页 |
| 第二章 微博中主题和时间敏感的连接强度计算 | 第40-60页 |
| ·引言 | 第41-42页 |
| ·问题定义 | 第42-44页 |
| ·相关概念 | 第42-43页 |
| ·任务描述 | 第43-44页 |
| ·主题和时间敏感的连接强度在线计算模型 | 第44-49页 |
| ·模型的假设 | 第44-45页 |
| ·基本连接强度模型 | 第45-46页 |
| ·主题敏感的连接强度计算模型 | 第46-47页 |
| ·时间敏感的连接强度计算模型 | 第47-48页 |
| ·基于OLDA的连接强度在线计算模型 | 第48-49页 |
| ·基于连接强度的微博用户传播行为预测 | 第49-50页 |
| ·实验及结果分析 | 第50-57页 |
| ·数据集描述 | 第50页 |
| ·评价标准与参数设置 | 第50-52页 |
| ·主题内容分析 | 第52-55页 |
| ·主题内容演化分析 | 第55页 |
| ·用户传播行为预测性能比较 | 第55-57页 |
| ·本章小结 | 第57-60页 |
| 第三章 面向信息传播的微博用户兴趣发现 | 第60-80页 |
| ·引言 | 第61-62页 |
| ·问题定义 | 第62-63页 |
| ·相关概念 | 第62-63页 |
| ·任务描述 | 第63页 |
| ·结合微博特征的用户兴趣关键词抽取方法 | 第63-69页 |
| ·UIKE的处理流程 | 第63-64页 |
| ·候选兴趣关键词生成 | 第64-65页 |
| ·结合微博特征的关键词特征设计 | 第65-68页 |
| ·分类模型的选择 | 第68-69页 |
| ·基于微博用户分类的用户兴趣发现效果检验 | 第69-70页 |
| ·实验与结果分析 | 第70-77页 |
| ·微博用户兴趣关键词抽取实验 | 第70-75页 |
| ·基于微博用户分类的用户兴趣发现效果实验 | 第75-77页 |
| ·本章小结 | 第77-80页 |
| 第四章 结合连接强度与用户兴趣的用户传播行为动态预测 | 第80-108页 |
| ·引言 | 第81-83页 |
| ·问题描述 | 第83-85页 |
| ·相关概念 | 第83-85页 |
| ·面向微群的用户传播行为动态预测的任务 | 第85页 |
| ·面向微群的用户传播行为动态预测 | 第85-93页 |
| ·影响用户传播行为的关键因素 | 第85-86页 |
| ·模型框架概述 | 第86-87页 |
| ·基于LDA模型的个人兴趣模型 | 第87-88页 |
| ·基于回复关系的影响力模型 | 第88-90页 |
| ·基于自重启随机游走的话题兴趣度排序模型 | 第90-93页 |
| ·动态的话题兴趣度排序模型 | 第93页 |
| ·实验与结果分析 | 第93-106页 |
| ·数据集描述 | 第94-96页 |
| ·实验设置与评价指标 | 第96-97页 |
| ·对比方法 | 第97-98页 |
| ·模型的参数估计 | 第98-101页 |
| ·模型预测性能比较 | 第101-106页 |
| ·本章小结 | 第106-108页 |
| 第五章 基于改进型神经网络的舆情话题热度预测 | 第108-128页 |
| ·引言 | 第109页 |
| ·问题定义 | 第109-111页 |
| ·相关概念 | 第110-111页 |
| ·任务描述 | 第111页 |
| ·网络话题传播因素分析 | 第111-114页 |
| ·影响话题热度变化的传播因素 | 第111-112页 |
| ·基于灰色关联度的传播因素分析 | 第112-114页 |
| ·基于GA-BPNN的话题热度预测方法 | 第114-126页 |
| ·BP神经网络概述 | 第114页 |
| ·基于标准BPNN的预测 | 第114-115页 |
| ·改进型神经网络GA-BPNN | 第115-117页 |
| ·基于GA-BPNN的话题热度预测模型 | 第117-121页 |
| ·算法性能的比较分析 | 第121-126页 |
| ·本章小结 | 第126-128页 |
| 第六章 总结与展望 | 第128-132页 |
| ·论文工作总结 | 第128-130页 |
| ·下一步工作展望 | 第130-132页 |
| 致谢 | 第132-136页 |
| 参考文献 | 第136-150页 |
| 作者在学期间取得的学术成果 | 第150-152页 |
| 攻读博士学位期间参与的科研项目 | 第152页 |