| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景和意义 | 第13页 |
| 1.2 社交网络研究概述 | 第13-17页 |
| 1.2.1 基于用户相似性及用户关系的研究 | 第15页 |
| 1.2.2 基于信息内容的研究 | 第15-16页 |
| 1.2.3 基于概率生成模型的时间模式挖掘研究 | 第16-17页 |
| 1.3 在线广告多渠道归因建模研究概述 | 第17-20页 |
| 1.3.1 基于规则的归因模型 | 第18-19页 |
| 1.3.2 基于分类的归因模型 | 第19页 |
| 1.3.3 基于概率的归因模型 | 第19-20页 |
| 1.4 本文的主要工作 | 第20-21页 |
| 1.5 本文的结构安排 | 第21-22页 |
| 1.6 本章小结 | 第22-23页 |
| 第二章 社交网络重构和多渠道归因建模相关工作 | 第23-39页 |
| 2.1 社交网络重构的相关工作 | 第23-34页 |
| 2.1.1 基于条件概率传播的模型 | 第23-31页 |
| 2.1.2 基于随机点过程的模型 | 第31-34页 |
| 2.2 在线广告多渠道归因建模的相关工作 | 第34-38页 |
| 2.2.1 基于隐马尔科夫模型的归因模型 | 第35页 |
| 2.2.2 因果驱动的归因模型 | 第35-36页 |
| 2.2.3 基于随机点过程和生存分析的归因模型 | 第36-38页 |
| 2.3 本章小结 | 第38-39页 |
| 第三章 社交网络重构和信息热度估计 | 第39-55页 |
| 3.1 多维霍克斯过程模型及其扩展 | 第39-44页 |
| 3.1.1 多维霍克斯过程模型 | 第39-41页 |
| 3.1.2 加入信息热度的扩展：MULTIHAWKES模型 | 第41-44页 |
| 3.2 基于微博的社交网络重构和信息热度估计的相关实验 | 第44-53页 |
| 3.2.1 模拟数据实验 | 第44-51页 |
| 3.2.2 真实数据实验 | 第51-53页 |
| 3.3 本章小结 | 第53-55页 |
| 第四章 在线广告的多渠道归因建模 | 第55-77页 |
| 4.1 生存模型 | 第55-56页 |
| 4.1.1 生存函数 | 第55-56页 |
| 4.1.2 风险函数 | 第56页 |
| 4.2 在线广告多渠道归因模型：ADDITIVEHAZARD模型 | 第56-61页 |
| 4.3 ADDITIVEHAZARD模型的分布式实现 | 第61-62页 |
| 4.4 模拟数据实验 | 第62-64页 |
| 4.5 真实数据实验 | 第64-76页 |
| 4.5.1 数据描述 | 第64-65页 |
| 4.5.2 实验设置 | 第65-67页 |
| 4.5.3 ADDITIVEHAZARD模型参数解释 | 第67-68页 |
| 4.5.4 转化率预测 | 第68-70页 |
| 4.5.5 归因分析 | 第70-76页 |
| 4.5.6 方法比较总结 | 第76页 |
| 4.6 本章小结 | 第76-77页 |
| 第五章 全文总结 | 第77-79页 |
| 5.1 本文总结 | 第77-78页 |
| 5.2 工作展望 | 第78-79页 |
| 参考文献 | 第79-87页 |
| 致谢 | 第87-89页 |
| 攻读学位期间发表的学术论文目录 | 第89-91页 |
