基于微博数据的社会影响力分析
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 社交网络的发展 | 第8页 |
| 1.2 研究现状 | 第8-11页 |
| 1.3 本文主要工作 | 第11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 2 相关算法 | 第13-20页 |
| 2.1 马尔科夫模型 | 第13-14页 |
| 2.2 链接分析算法 | 第14-17页 |
| 2.2.1 PageRank算法 | 第14-16页 |
| 2.2.2 HITS算法 | 第16-17页 |
| 2.3 影响力测试 | 第17-18页 |
| 2.4 影响力量化 | 第18-19页 |
| 2.5 影响力建模 | 第19-20页 |
| 3 影响最大化问题 | 第20-35页 |
| 3.1 影响力模型 | 第20-24页 |
| 3.1.1 社交网络的Markov建模 | 第20-22页 |
| 3.1.2 线性阂值模型 | 第22-23页 |
| 3.1.3 独立级联模型 | 第23-24页 |
| 3.2 离散最优化问题 | 第24-27页 |
| 3.2.1 贪心算法 | 第25-27页 |
| 3.2.2 算法改进 | 第27页 |
| 3.3 启发式算法 | 第27-31页 |
| 3.3.1 MIA算法 | 第28-29页 |
| 3.3.2 LDAG算法 | 第29-30页 |
| 3.3.3 其他方法 | 第30-31页 |
| 3.4 学习影响模型 | 第31-32页 |
| 3.5 基于数据的方法 | 第32-35页 |
| 4 Twitter转发行为特征分析 | 第35-44页 |
| 4.1 基本信息统计分析 | 第35-38页 |
| 4.2 特征提取与分析 | 第38-44页 |
| 4.2.1 特征 | 第39-41页 |
| 4.2.2 结果分析 | 第41-44页 |
| 5 结构影响分析 | 第44-52页 |
| 5.1 影响的模式 | 第44-45页 |
| 5.1.1 微博中的结构影响 | 第44-45页 |
| 5.1.2 同质性 | 第45页 |
| 5.2 实验 | 第45-50页 |
| 5.2.1 数据 | 第45-46页 |
| 5.2.2 基于匹配的抽样 | 第46-48页 |
| 5.2.3 结果分析 | 第48-50页 |
| 5.3 转发预测 | 第50-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |
