| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-14页 |
| ·本文课题研究的背景 | 第11-12页 |
| ·研究现状与课题的提出 | 第12页 |
| ·课题的研究意义 | 第12页 |
| ·论文的主要工作及组织结构 | 第12-14页 |
| 2 社交网络与用户行为 | 第14-24页 |
| ·社交网络定义 | 第14-15页 |
| ·社交网络的发展 | 第15页 |
| ·社交网络构成 | 第15-16页 |
| ·针对社交网络的主要研究方向 | 第16页 |
| ·社交网络研究的难点分析 | 第16-17页 |
| ·用户行为及其研究现状 | 第17-18页 |
| ·互联网以及特定网站用户行为研究现状 | 第17-18页 |
| ·UGC的概念 | 第18页 |
| ·本文定义的用户行为和用户行为研究 | 第18页 |
| ·本文理论基础 | 第18-23页 |
| ·六度分隔理论 | 第18-19页 |
| ·邓巴数字(150定律) | 第19页 |
| ·社会网络中的声望(影响力)分析 | 第19-21页 |
| ·强关系(strong ties)与弱关系(weak ties) | 第21-22页 |
| ·隶属网络与事件参与率 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 社交网络数据采集 | 第24-36页 |
| ·针对社交网站(人人网)的分析 | 第24-26页 |
| ·社交网站中用户行为图谱 | 第24页 |
| ·数据采集目标的确定 | 第24-26页 |
| ·数据样本范围的选取 | 第26页 |
| ·数据采集实现 | 第26-32页 |
| ·利用SNS网站开发平台提供的API进行数据采集 | 第26-27页 |
| ·解决AJAX页面的内容抓取 | 第27-31页 |
| ·用户列表的获取 | 第31-32页 |
| ·用户信息深度获取 | 第32页 |
| ·数据预处理 | 第32-34页 |
| ·数据的存储 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 社交网络中用户行为与信息传播数据分析 | 第36-54页 |
| ·数据清理 | 第36-37页 |
| ·数据采样 | 第37-39页 |
| ·抽样分析的优点 | 第38页 |
| ·研究中抽样方法的选取与样本容量的确定 | 第38-39页 |
| ·用户行为数据分析与用户行为数据的可视化 | 第39-41页 |
| ·数据分析与数据可视化的定义 | 第39页 |
| ·Fruchterman Reingold算法与本文数据可视化实现 | 第39-41页 |
| ·用户的好友拓扑分析与可视化 | 第41-50页 |
| ·用户好友数目分布与分析 | 第41-42页 |
| ·用户好友属性的分布特点及其分析 | 第42-43页 |
| ·用户的好友拓扑图及其分析 | 第43-48页 |
| ·用户好友的强弱关系分布特点 | 第48-49页 |
| ·用户社交行为与用户好友关系的规律总结 | 第49-50页 |
| ·用户的信息制造和传播行为 | 第50-52页 |
| ·用户信息传播行为的时间分布 | 第50-51页 |
| ·用户信息传播行为的选择倾向 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 5 社交网络中用户影响力研究 | 第54-65页 |
| ·用户影响力的提出 | 第54-57页 |
| ·影响力定义 | 第55页 |
| ·决定影响力的因素 | 第55-56页 |
| ·影响力因素的对照组实验 | 第56-57页 |
| ·用户影响力理论模型 | 第57-60页 |
| ·用户影响力公式 | 第60-62页 |
| ·影响力计算公式验证和分析 | 第62-64页 |
| ·正确性验证 | 第62-63页 |
| ·误差分析 | 第63页 |
| ·与其他算法用户影响力算法的比较 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 6 总结及展望 | 第65-67页 |
| ·本文的主要工作 | 第65页 |
| ·今后研究工作的展望 | 第65-67页 |
| 参考文献 | 第67-69页 |
| 作者简历 | 第69-71页 |
| 学位论文数据集 | 第71页 |