社交网络中单条动态的热门程度预测
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 主要符号对照表 | 第9-10页 |
| 第一章 绪论 | 第10-14页 |
| 第二章 社交网络 | 第14-22页 |
| 2.1 社交网络特性 | 第14-17页 |
| 2.1.1 社交网络图模型 | 第15页 |
| 2.1.2 强关联、弱关联 | 第15-16页 |
| 2.1.3 长尾效应 | 第16-17页 |
| 2.2 社交网络分类 | 第17-22页 |
| 2.2.1 狭义社交网络 | 第17页 |
| 2.2.2 事件型的社交网络 | 第17-18页 |
| 2.2.3 专项型的社交网络 | 第18-19页 |
| 2.2.4 社交网络内容预测方向总结 | 第19-22页 |
| 第三章 社交网络内容预测 | 第22-42页 |
| 3.1 预测内容分类 | 第22-23页 |
| 3.2 预测模型分类 | 第23-33页 |
| 3.2.1 基于用户行为的预测模型 | 第25-29页 |
| 3.2.2 基于动态的生命周期 | 第29-31页 |
| 3.2.3 基于社交网络拓扑结构 | 第31-33页 |
| 3.3 评估指标分类 | 第33-42页 |
| 3.3.1 排名问题预测 | 第34-35页 |
| 3.3.2 分类问题预测 | 第35-39页 |
| 3.3.3 回归问题预测 | 第39-42页 |
| 第四章 单条动态流行程度预测 | 第42-48页 |
| 4.1 单条动态流行程度预测简介 | 第42-43页 |
| 4.2 基于推特的数据分析 | 第43-48页 |
| 第五章 基于时空异质性的巴斯模型 | 第48-58页 |
| 5.1 问题陈述 | 第49页 |
| 5.2 巴斯模型 | 第49-52页 |
| 5.3 巴斯模型的局限性及扩展 | 第52-53页 |
| 5.4 时空异质性的巴斯模型及其推导 | 第53-58页 |
| 5.4.1 时空异质性巴斯模型 | 第53-55页 |
| 5.4.2 时空异质性巴斯模型的推导 | 第55-58页 |
| 第六章 实验 | 第58-62页 |
| 6.1 预测动态的走势 | 第58-61页 |
| 6.2 预测动态是否热门 | 第61-62页 |
| 第七章 结论 | 第62-66页 |
| 7.1 全文总结 | 第62页 |
| 7.2 展望未来 | 第62-66页 |
| 参考文献 | 第66-76页 |
| 致谢 | 第76-78页 |
| 攻读学位期间发表的学术论文 | 第78页 |
