基于链接分析的微博用户可信度研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 互联网信息可信度 | 第11-12页 |
| 1.2.2 微博可信度研究分析 | 第12-13页 |
| 1.2.3 微博可信度研究存在的问题 | 第13页 |
| 1.3 主要研究工作及创新点 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 2 微博可信度研究相关理论及技术 | 第16-24页 |
| 2.1 社交网络及微博 | 第16-17页 |
| 2.1.1 社交网络 | 第16页 |
| 2.1.2 微博平台及用户定义 | 第16-17页 |
| 2.1.3 用户关系分析 | 第17页 |
| 2.2 信任与微博可信度分析 | 第17-19页 |
| 2.2.1 信任机制 | 第17-18页 |
| 2.2.2 微博信息可信度定义 | 第18-19页 |
| 2.2.3 可信度表示方法 | 第19页 |
| 2.3 社会网络理论与微博信息传播 | 第19-21页 |
| 2.3.1 社会网络理论分析 | 第19-20页 |
| 2.3.2 微博信息传播机制 | 第20-21页 |
| 2.4 主要的微博用户排名及可信度计算方法 | 第21-23页 |
| 2.4.1 微博用户排名方法 | 第21-22页 |
| 2.4.2 常用用户可信度计算方法 | 第22-23页 |
| 2.5 小结 | 第23-24页 |
| 3 微博用户可信度评估算法模型 | 第24-37页 |
| 3.1 PageRank算法思想原理 | 第24-26页 |
| 3.1.1 算法分析概述 | 第24-25页 |
| 3.1.2 算法原理计算 | 第25-26页 |
| 3.2 社会网络平衡理论与微博用户信任关系 | 第26-29页 |
| 3.2.1 社会网络平衡原理简介 | 第26-27页 |
| 3.2.2 微博用户需求信任分析 | 第27-29页 |
| 3.3 用户可信度模型及算法 | 第29-30页 |
| 3.3.1 用户可信度模型的提出 | 第29-30页 |
| 3.3.2 算法流程及整体思路 | 第30页 |
| 3.4 计算用户互评估可信度 | 第30-32页 |
| 3.5 计算用户自评估可信度 | 第32-35页 |
| 3.6 可信度模型算法框架描述 | 第35-36页 |
| 3.7 小结 | 第36-37页 |
| 4 实验结果及评价 | 第37-42页 |
| 4.1 实验环境及数据采集 | 第37页 |
| 4.2 评价方法 | 第37页 |
| 4.3 实验结果与分析 | 第37-41页 |
| 4.4 小结 | 第41-42页 |
| 结论 | 第42-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 攻读硕士期间的研究成果及参加的科研项目 | 第48页 |
