社交媒体中情感传播关键问题研究
摘要 | 第4-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第13-19页 |
1.1 研究背景和意义 | 第13-15页 |
1.2 研究内容和创新点 | 第15-16页 |
1.2.1 基于情感一致性的社会影响力排序算法 | 第15-16页 |
1.2.2 基于情感变化的社会影响力最大化的研究 | 第16页 |
1.2.3 基于情感一致性的情感预测模型 | 第16页 |
1.2.4 基于情感的信息传播模型 | 第16页 |
1.3 组织结构 | 第16-19页 |
第二章 相关工作 | 第19-33页 |
2.1 情感分析的研究现状 | 第19-23页 |
2.1.1 按情感的粒度划分 | 第19页 |
2.1.2 按算法划分 | 第19-21页 |
2.1.3 按文本粒度划分 | 第21-22页 |
2.1.4 特征提取和情感分析 | 第22-23页 |
2.1.5 基于深度学习的情感分析算法 | 第23页 |
2.2 情感预测的研究现状 | 第23页 |
2.3 社会影响力的研究现状 | 第23-25页 |
2.4 社会影响力最大化的研究现状 | 第25-28页 |
2.4.1 算法性质 | 第26页 |
2.4.2 现有算法总结 | 第26-28页 |
2.5 信息传播的研究现状 | 第28-33页 |
2.5.1 独立级联(IC)模型 | 第28-29页 |
2.5.2 线性阈值(LT)模型 | 第29-30页 |
2.5.3 传染病模型 | 第30-33页 |
第三章 基于情感一致性的社会影响力排序算法 | 第33-49页 |
3.1 引言 | 第33-34页 |
3.2 相关工作 | 第34-35页 |
3.3 问题描述 | 第35-36页 |
3.4 基于情感一致性的用户影响力排序算法 | 第36-39页 |
3.5 实验结果与分析 | 第39-46页 |
3.5.1 实验数据 | 第39页 |
3.5.2 情感分析 | 第39-41页 |
3.5.3 情感一致值 | 第41-42页 |
3.5.4 情感一致权重 | 第42-43页 |
3.5.5 实验结果与分析 | 第43-46页 |
3.6 小结 | 第46-49页 |
第四章 基于情感变化的社会影响力最大化的研究 | 第49-69页 |
4.1 引言 | 第49-51页 |
4.2 问题描述 | 第51-53页 |
4.3 基于情感变化的社会影响力最大化模型 | 第53-62页 |
4.3.1 IMIC-OC模型的介绍 | 第54-59页 |
4.3.2 IMIC-OC模型的性质 | 第59-62页 |
4.4 实验结果 | 第62-67页 |
4.4.1 数据集 | 第62页 |
4.4.2 参数估计 | 第62页 |
4.4.3 验证IC-OC模型 | 第62-65页 |
4.4.4 IMIC-OC模型实验结果与分析 | 第65-67页 |
4.5 本章总结 | 第67-69页 |
第五章 基于情感一致性的情感预测模型 | 第69-83页 |
5.1 引言 | 第69-70页 |
5.2 相关工作 | 第70页 |
5.3 问题描述 | 第70-72页 |
5.4 基于用户分类的情感预测模型 | 第72-76页 |
5.5 实验结果与分析 | 第76-81页 |
5.5.1 数据集 | 第76页 |
5.5.2 大众情感一致性 | 第76-77页 |
5.5.3 现有模型 | 第77-79页 |
5.5.4 性能指标 | 第79页 |
5.5.5 实验结果与分析 | 第79-81页 |
5.6 小结 | 第81-83页 |
第六章 基于情感的信息传播模型 | 第83-101页 |
6.1 引言 | 第83-84页 |
6.2 问题描述 | 第84-85页 |
6.3 基于情感的SIS模型 | 第85-88页 |
6.4 基于情感的独立级联模型 | 第88-93页 |
6.5 实验结果与分析 | 第93-100页 |
6.5.1 数据集 | 第93页 |
6.5.2 情感分析 | 第93页 |
6.5.3 转发信息的分析 | 第93-96页 |
6.5.4 转发概率 | 第96-98页 |
6.5.5 引起情感发生变化的特征分析 | 第98页 |
6.5.6 实验结果与分析 | 第98-100页 |
6.6 总结 | 第100-101页 |
第七章 结束语 | 第101-105页 |
7.1 工作总结 | 第101-102页 |
7.2 未来展望 | 第102-105页 |
参考文献 | 第105-113页 |
致谢 | 第113-115页 |
攻读学位期间发表的学术论文目录 | 第115页 |