社交网络事件热度预测的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题背景与研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 社交网络信息预测 | 第9-10页 |
| 1.2.2 社交网络中的用户影响力 | 第10-11页 |
| 1.2.3 社交网络强弱连接理论 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 基于多领域的用户影响力量化分析 | 第15-30页 |
| 2.1 引言 | 第15-16页 |
| 2.2 指标体系的构建 | 第16-17页 |
| 2.3 用户影响力量化分析方法 | 第17-20页 |
| 2.3.1 指标权重分析 | 第17-18页 |
| 2.3.2 用户影响力量化分析 | 第18-20页 |
| 2.4 基于朴素贝叶斯文本分类算法的微博分类 | 第20-23页 |
| 2.4.1 朴素贝叶斯文本分类算法 | 第20-22页 |
| 2.4.2 微博分类结果 | 第22-23页 |
| 2.5 实验及实验结果分析、对比 | 第23-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 强弱连接特征分析 | 第30-36页 |
| 3.1 引言 | 第30-31页 |
| 3.2 强连接与最终热度关系的分析 | 第31-33页 |
| 3.3 弱连接与最终热度的关系的分析 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 记忆效应特征分析 | 第36-41页 |
| 4.1 引言 | 第36-37页 |
| 4.2 记忆效应中转发概率的分析 | 第37-38页 |
| 4.3 记忆效应曲线 | 第38-39页 |
| 4.4 实验及实验结果分析 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 社交网络信息热度的预测 | 第41-57页 |
| 5.1 社交网络信息热度的定义 | 第41页 |
| 5.2 社交网络主贴热度的预测 | 第41-43页 |
| 5.3 主贴热度预测的实验结果及分析 | 第43-52页 |
| 5.3.1 单条主贴的预测结果及分析 | 第43-45页 |
| 5.3.2 全部主贴的预测结果及分析 | 第45-52页 |
| 5.4 社交网络话题热度的预测 | 第52-53页 |
| 5.4.1 热点话题生成方式 | 第52-53页 |
| 5.4.2 热点话题的热度预测 | 第53页 |
| 5.5 话题热度预测的实验结果及分析 | 第53-56页 |
| 5.6 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读学位期间发表的学术论文 | 第63-65页 |
| 致谢 | 第65-66页 |
