基于社交网络的趋势预测
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究工作的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 社交网络研究现状 | 第12-13页 |
| 1.2.2 趋势预测研究现状 | 第13-15页 |
| 1.2.3 数据挖掘研究现状 | 第15-16页 |
| 1.3 论文主要工作和创新点 | 第16-17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 第二章 相关技术介绍 | 第19-33页 |
| 2.1 趋势预测方法 | 第19-23页 |
| 2.1.1 发布前预测 | 第19页 |
| 2.1.2 发布后预测 | 第19-20页 |
| 2.1.3 基于回归的方法 | 第20页 |
| 2.1.4 基于分类的方法 | 第20页 |
| 2.1.5 基于时间序列的方法 | 第20-22页 |
| 2.1.6 基于社会影响的方法 | 第22-23页 |
| 2.2 常用的回归和分类方法 | 第23-32页 |
| 2.2.1 线性回归 | 第23-25页 |
| 2.2.2 梯度提升决策树 | 第25-28页 |
| 2.2.3 逻辑回归 | 第28-30页 |
| 2.2.4 支持向量机 | 第30-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 微博转发过程分析 | 第33-43页 |
| 3.1 问题的提出和研究现状 | 第33-34页 |
| 3.2 实验设计 | 第34-36页 |
| 3.2.1 问题描述 | 第34-35页 |
| 3.2.2 数据集 | 第35-36页 |
| 3.2.3 实验方法及过程 | 第36页 |
| 3.3 实验结果及分析 | 第36-42页 |
| 3.3.1 微博流行趋势统计分析 | 第37-38页 |
| 3.3.2 微博发布后转发用户特征 | 第38-39页 |
| 3.3.3 关键用户定义 | 第39-40页 |
| 3.3.4 关键用户特征 | 第40-41页 |
| 3.3.5 时间窗口划分 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于转发用户的趋势预测方法 | 第43-55页 |
| 4.1 问题的提出和相关工作 | 第43-44页 |
| 4.2 基于转发用户的趋势预测方法 | 第44-47页 |
| 4.2.1 问题描述 | 第44页 |
| 4.2.2 算法思想 | 第44-46页 |
| 4.2.3 算法描述 | 第46-47页 |
| 4.3 实验设计 | 第47-49页 |
| 4.3.1 数据集 | 第47页 |
| 4.3.2 对比算法 | 第47-48页 |
| 4.3.3 评价指标 | 第48-49页 |
| 4.3.4 实验方法和过程 | 第49页 |
| 4.4 实验结果及分析 | 第49-54页 |
| 4.4.1 观测时间点对预测结果的影响 | 第50-51页 |
| 4.4.2 特征对预测结果的影响 | 第51-52页 |
| 4.4.3 不同流行度微博的预测结果 | 第52-53页 |
| 4.4.4 时间窗对预测结果的影响 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 基于局部社会影响的趋势预测方法 | 第55-69页 |
| 5.1 问题的提出和研究现状 | 第55-56页 |
| 5.2 基于局部社会影响的趋势预测方法 | 第56-60页 |
| 5.2.1 问题描述 | 第56页 |
| 5.2.2 算法思想 | 第56-60页 |
| 5.3 实验设计 | 第60-65页 |
| 5.3.1 数据集 | 第60-63页 |
| 5.3.2 对比算法 | 第63页 |
| 5.3.3 评价指标 | 第63-64页 |
| 5.3.4 实验方法和过程 | 第64-65页 |
| 5.4 实验结果及分析 | 第65-68页 |
| 5.4.1 不同特征的表现 | 第65-66页 |
| 5.4.2 局部网络特征的表现 | 第66-67页 |
| 5.4.3 局部网络特征不同聚集方法的表现 | 第67-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-80页 |
