在线社交网络信息传播机理研究
致谢 | 第4-5页 |
摘要 | 第5-7页 |
Abstract | 第7-8页 |
1 引言 | 第16-26页 |
1.1 研究背景 | 第16-20页 |
1.2 研究现状 | 第20-22页 |
1.3 面临的挑战 | 第22-23页 |
1.4 本文的工作 | 第23-26页 |
1.4.1 研究目标与内容 | 第23-24页 |
1.4.2 研究成果 | 第24-25页 |
1.4.3 论文的组织结构 | 第25-26页 |
2 相关研究综述 | 第26-44页 |
2.1 网络信息传播建模 | 第26-33页 |
2.1.1 影响因素分析 | 第26-27页 |
2.1.2 单信息传播建模 | 第27-31页 |
2.1.3 多信息传播建模 | 第31-33页 |
2.2 流行度分析 | 第33-38页 |
2.2.1 流行度分布 | 第34页 |
2.2.2 流行度预测 | 第34-36页 |
2.2.3 流行度演化分析 | 第36-38页 |
2.3 网络用户分析 | 第38-42页 |
2.3.1 群体互动行为分析 | 第39-40页 |
2.3.2 用户兴趣发现 | 第40-41页 |
2.3.3 用户情感倾向分析 | 第41-42页 |
2.4 本章小结 | 第42-44页 |
3 信息多次暴露下用户转发行为分析 | 第44-62页 |
3.1 问题分析 | 第44-46页 |
3.2 转发级联 | 第46-54页 |
3.2.1 数据集 | 第46-47页 |
3.2.2 转发级联特性 | 第47-52页 |
3.2.3 潜在前驱用户收集 | 第52-54页 |
3.3 影响因素分析 | 第54-57页 |
3.3.1 社交关系影响 | 第54-56页 |
3.3.2 暴露时序影响 | 第56-57页 |
3.4 个体交互模型 | 第57-60页 |
3.4.1 模型描述 | 第57-58页 |
3.4.2 实验分析 | 第58-60页 |
3.5 讨论与分析 | 第60-61页 |
3.6 本章小结 | 第61-62页 |
4 基于宏微观交互的流行度演化分析 | 第62-77页 |
4.1 问题分析 | 第62-65页 |
4.2 信息传播特征分析 | 第65-71页 |
4.2.1 数据集 | 第65-67页 |
4.2.2 微观传播特征 | 第67-68页 |
4.2.3 宏观传播特征 | 第68-69页 |
4.2.4 宏微观传播特征间关联分析 | 第69-71页 |
4.3 基于宏微观关联的预测模型 | 第71-76页 |
4.3.1 模型描述 | 第71-72页 |
4.3.2 实验分析 | 第72-75页 |
4.3.3 案例分析 | 第75-76页 |
4.4 讨论与分析 | 第76页 |
4.5 本章小结 | 第76-77页 |
5 基于用户状态的信息引导研究 | 第77-109页 |
5.1 问题分析 | 第77-78页 |
5.2 用户行为分析 | 第78-84页 |
5.2.1 话题发起者分析 | 第78-81页 |
5.2.2 用户参与情况分析 | 第81-84页 |
5.3 用户状态分析 | 第84-99页 |
5.3.1 用户关注点分析 | 第84-90页 |
5.3.2 用户情感倾向分析 | 第90-99页 |
5.4 自适应观点引导模型 | 第99-107页 |
5.4.1 基本思想 | 第99-100页 |
5.4.2 引导框架 | 第100-101页 |
5.4.3 模块设计 | 第101-104页 |
5.4.4 实验分析 | 第104-107页 |
5.5 讨论与分析 | 第107-108页 |
5.6 本章小结 | 第108-109页 |
6 在线社交网络信息传播分析验证平台 | 第109-118页 |
6.1 平台总体架构 | 第109-110页 |
6.2 平台部署与实现 | 第110-111页 |
6.3 功能模块 | 第111-118页 |
6.3.1 用户转发分析 | 第111-113页 |
6.3.2 传播趋势分析 | 第113-115页 |
6.3.3 信息引导 | 第115-118页 |
7 总结与展望 | 第118-122页 |
7.1 工作总结 | 第118-119页 |
7.2 研究展望 | 第119-122页 |
参考文献 | 第122-134页 |
作者简历及在学研究成果 | 第134-137页 |
学位论文数据集 | 第137页 |