| 摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第15-45页 |
| 1.1 研究背景 | 第16-23页 |
| 1.1.1 社会网络分析研究 | 第18-21页 |
| 1.1.2 社会网络中信息传播研究意义及其挑战 | 第21-23页 |
| 1.2 相关研究工作 | 第23-39页 |
| 1.2.1 社会网络基本特征 | 第23-26页 |
| 1.2.2 信息传播模型及传播机制 | 第26-32页 |
| 1.2.3 传播网络推断和学习 | 第32-34页 |
| 1.2.4 信息传播关键人物挖掘 | 第34-37页 |
| 1.2.5 传播暴发检测技术研究 | 第37-39页 |
| 1.3 主要研究工作与创新点 | 第39-41页 |
| 1.3.1 主要研究工作 | 第39-40页 |
| 1.3.2 主要创新点 | 第40-41页 |
| 1.4 论文结构 | 第41-45页 |
| 第二章 基于节点属性和信息特征的社会网络信息传播模型 | 第45-61页 |
| 2.1 问题描述 | 第45-47页 |
| 2.2 相关研究 | 第47页 |
| 2.3 社会网络中信息传播相关特征提取 | 第47-50页 |
| 2.3.1 节点特征 | 第47-49页 |
| 2.3.2 边的特征 | 第49-50页 |
| 2.4 基于多维特征的传播概率和传播延迟模型 | 第50-52页 |
| 2.5 模型参数评估算法 | 第52-53页 |
| 2.6 实验分析 | 第53-59页 |
| 2.6.1 实验数据和实验方法 | 第53-55页 |
| 2.6.2 实验评估基准 | 第55-56页 |
| 2.6.3 实验结果及分析 | 第56-59页 |
| 2.7 本章小结 | 第59-61页 |
| 第三章 未知传播网络学习和传播路径跟踪 | 第61-83页 |
| 3.1 问题描述 | 第61-64页 |
| 3.2 背景知识及相关研究 | 第64-65页 |
| 3.2.1 生存分析理论 | 第64-65页 |
| 3.2.2 未知传播网络学习和推断研究 | 第65页 |
| 3.3 基于信息级联多维特征的传播网络学习 | 第65-73页 |
| 3.3.1 信息级联拓扑特征、节点属性和信息内容特征建模 | 第68-70页 |
| 3.3.2 信息级联时间特征建模 | 第70-71页 |
| 3.3.3 融合多维特征的传播概率图模型 | 第71-72页 |
| 3.3.4 传播路径追踪 | 第72-73页 |
| 3.4 参数评估 | 第73-74页 |
| 3.5 实验分析 | 第74-81页 |
| 3.5.1 人工合成数据集上的性能评估 | 第75-78页 |
| 3.5.2 真实数据集上的性能评估 | 第78-81页 |
| 3.6 本章小结 | 第81-83页 |
| 第四章 数据驱动的信息传播最大化 | 第83-103页 |
| 4.1 问题描述 | 第84-85页 |
| 4.2 相关研究 | 第85-88页 |
| 4.2.1 贪心算法研究 | 第85-86页 |
| 4.2.2 基于启发式的方法 | 第86-87页 |
| 4.2.3 话题敏感的信息传播最大化研究 | 第87-88页 |
| 4.3 数据驱动的信息传播最大化算法 | 第88-94页 |
| 4.3.1 节点间传播概率计算 | 第88-89页 |
| 4.3.2 节点局部影响力计算 | 第89-92页 |
| 4.3.3 剪枝：降低计算复杂度 | 第92-93页 |
| 4.3.4 基于节点局部影响力模型的贪心算法 | 第93-94页 |
| 4.4 话题敏感的信息传播最大化 | 第94-97页 |
| 4.4.1 话题相关的传播概率计算 | 第94-96页 |
| 4.4.2 话题相关的信息传播网络构建 | 第96-97页 |
| 4.4.3 话题敏感的信息传播最大化 | 第97页 |
| 4.5 实验分析 | 第97-102页 |
| 4.5.1 数据驱动的信息传播最大化算法性能评估 | 第98-99页 |
| 4.5.2 话题敏感的信息传播最大化算法性能评估 | 第99-102页 |
| 4.6 本章小结 | 第102-103页 |
| 第五章 基于节点传播能力的信息传播检测算法 | 第103-121页 |
| 5.1 问题描述 | 第103-105页 |
| 5.2 相关研究 | 第105-107页 |
| 5.2.1 免疫策略研究 | 第105-106页 |
| 5.2.2 信息传播检测研究 | 第106页 |
| 5.2.3 随机游走模型 | 第106-107页 |
| 5.3 Diff Rank算法流程 | 第107-113页 |
| 5.3.1 基于话题模型的节点兴趣偏好计算 | 第108-109页 |
| 5.3.2 节点相似度计算 | 第109-110页 |
| 5.3.3 节点间传播概率 | 第110-111页 |
| 5.3.4 基于传播概率的随机游走过程 | 第111-113页 |
| 5.4 实验分析 | 第113-119页 |
| 5.4.1 实验数据和试验方法 | 第113-114页 |
| 5.4.2 算法性能分析 | 第114-118页 |
| 5.4.3 影响算法的因素分析 | 第118-119页 |
| 5.4.4 算法扩展性分析 | 第119页 |
| 5.5 本章小结 | 第119-121页 |
| 第六章 总结与展望 | 第121-125页 |
| 6.1 工作总结 | 第121-122页 |
| 6.2 研究展望 | 第122-125页 |
| 致谢 | 第125-127页 |
| 参考文献 | 第127-141页 |
| 作者在学期间取得的学术成果 | 第141页 |