| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 选题背景及意义 | 第11-13页 |
| 1.1.1 选题背景 | 第11页 |
| 1.1.2 选题意义 | 第11-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.2.1 超网络研究现状 | 第13-15页 |
| 1.2.2 关键节点识别方法研究现状 | 第15-17页 |
| 1.3 研究内容及技术路线 | 第17-18页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 技术路线 | 第18页 |
| 1.4 主要工作及创新点 | 第18-20页 |
| 第二章 基础理论研究 | 第20-29页 |
| 2.1 复杂网络基础理论 | 第20-22页 |
| 2.1.1 复杂网络的表示方法 | 第20-21页 |
| 2.1.2 复杂网络的统计特征 | 第21-22页 |
| 2.2 超网络模型 | 第22-24页 |
| 2.2.1 超网络的基本概念 | 第22-23页 |
| 2.2.2 与超图有关的概念 | 第23-24页 |
| 2.3 话题模型 | 第24-26页 |
| 2.4 关键节点识别方法 | 第26-28页 |
| 2.4.1 PageRank算法 | 第26-27页 |
| 2.4.2 LeaderRank算法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 微博社交网络的超网络模型建立 | 第29-37页 |
| 3.1 微博特征分析 | 第29-32页 |
| 3.1.1 微博的功能 | 第29-31页 |
| 3.1.2 微博的传播特征 | 第31-32页 |
| 3.2 社交网络中的信息传播机制分析 | 第32-33页 |
| 3.3 基于微博社交网络的超网络模型建立 | 第33-36页 |
| 3.3.1 微博社交网络的超网络属性 | 第33-34页 |
| 3.3.2 超网络模型的结构和子网分布设计 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于超网络模型的关键节点识别方法 | 第37-46页 |
| 4.1 超网络模型的子网节点量化设计 | 第37-42页 |
| 4.1.1 基于可扩展的LDA模型的话题子网节点量化计算 | 第37-40页 |
| 4.1.2 基于情感本体的意愿子网节点量化计算 | 第40-42页 |
| 4.2 关键节点识别机制设计 | 第42-43页 |
| 4.3 超边属性计算 | 第43-44页 |
| 4.3.1 信息子网的微博信息传播影响度 | 第43页 |
| 4.3.2 话题子网的话题相似度 | 第43-44页 |
| 4.3.3 意愿子网的情感一致性 | 第44页 |
| 4.4 超边排序算法 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 实验验证及分析 | 第46-61页 |
| 5.1 可扩展的LDA模型实验结果 | 第46-49页 |
| 5.1.1 实验结果 | 第46-48页 |
| 5.1.2 实验评测 | 第48-49页 |
| 5.2 超网络模型的自动构建结果 | 第49-53页 |
| 5.2.1 数据预处理 | 第49-50页 |
| 5.2.2 话题子网节点量化结果 | 第50页 |
| 5.2.3 意愿子网节点量化结果 | 第50-52页 |
| 5.2.4 微博语义社交网络的超网络模型结果 | 第52-53页 |
| 5.3 超边排序算法结果 | 第53-55页 |
| 5.3.1 信息子网属性计算 | 第53-54页 |
| 5.3.2 话题子网属性计算 | 第54页 |
| 5.3.3 意愿子网属性计算 | 第54-55页 |
| 5.4 关键节点识别结果 | 第55-57页 |
| 5.5 实验结果评价 | 第57-60页 |
| 5.5.1 评价标准 | 第57-58页 |
| 5.5.2 实验结果分析 | 第58-60页 |
| 5.6 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 硕士期间发表的论文 | 第69页 |