社交网络信息传播及预测算法研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景及意义 | 第15-17页 |
| 1.1.1 研究背景 | 第15-16页 |
| 1.1.2 选题意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.2.1 信息传播模型研究现状 | 第17-19页 |
| 1.2.2 热度预测方法研究现状 | 第19-20页 |
| 1.3 论文研究内容与创新点 | 第20-21页 |
| 1.4 论文结构与内容安排 | 第21-23页 |
| 第二章 相关基础理论综述 | 第23-37页 |
| 2.1 社交网络基础理论 | 第23-29页 |
| 2.1.1 社交网络定义 | 第23-24页 |
| 2.1.2 社交网络结构参数 | 第24-25页 |
| 2.1.3 社交网络信息传播模型 | 第25-28页 |
| 2.1.4 社交网络结构特征 | 第28-29页 |
| 2.2 神经网络基础理论 | 第29-36页 |
| 2.2.1 神经元模型结构 | 第29-33页 |
| 2.2.2 神经网络学习规则 | 第33-34页 |
| 2.2.3 神经网络训练过程 | 第34-36页 |
| 2.3 本章小结 | 第36-37页 |
| 第三章 在线社交网络信息传播模型 | 第37-47页 |
| 3.1 引言 | 第37页 |
| 3.2 信息传播模型构建 | 第37-41页 |
| 3.2.1 模型定义与假设 | 第37-38页 |
| 3.2.2 信息传播过程建模 | 第38-41页 |
| 3.3 实验结果分析 | 第41-46页 |
| 3.3.1 数据集分析 | 第41-42页 |
| 3.3.2 模型仿真结果分析 | 第42-43页 |
| 3.3.3 网络参数影响分析 | 第43-45页 |
| 3.3.4 模型对比实验结果 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 社交网络话题热度预测算法 | 第47-61页 |
| 4.1 引言 | 第47页 |
| 4.2 基于循环神经网络的话题热度预测模型 | 第47-52页 |
| 4.2.1 数据集分析 | 第47-48页 |
| 4.2.2 预测模型构建 | 第48-52页 |
| 4.3 基于LSTM的社交网络话题热度预测算法 | 第52-56页 |
| 4.3.1 算法实施步骤 | 第52-53页 |
| 4.3.2 算法相关参数选取 | 第53-56页 |
| 4.4 实验结果分析 | 第56-59页 |
| 4.4.1 模型预测结果 | 第56页 |
| 4.4.2 算法性能对比 | 第56-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 论文工作总结 | 第61-62页 |
| 5.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |
