| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 “僵尸粉”的识别研究现状 | 第12-13页 |
| 1.2.2 有影响力人物发现研究现状 | 第13-16页 |
| 1.3 本文的研究内容和重点 | 第16页 |
| 1.4 本文的结构安排 | 第16-18页 |
| 2 相关背景知识 | 第18-28页 |
| 2.1 社会网络分析理论 | 第18-21页 |
| 2.1.1 社会网络相关概念 | 第18-20页 |
| 2.1.2 社会网络中基于网络结构的影响力分析方法 | 第20-21页 |
| 2.2 LDA概率主题模型 | 第21-22页 |
| 2.3 社交网络中影响强度计算 | 第22-23页 |
| 2.4 随机游走算法 | 第23-24页 |
| 2.5 无约束优化方法 | 第24-27页 |
| 2.5.1 牛顿法 | 第24-25页 |
| 2.5.2 拟牛顿法 | 第25-27页 |
| 2.5.3 L-BFGS算法 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 基于重复发送垃圾广告“僵尸粉”检测模型 | 第28-36页 |
| 3.1 “僵尸粉”的演变过程 | 第28-30页 |
| 3.2 基于重复发送垃圾广告“僵尸粉”检测模型 | 第30-35页 |
| 3.2.1 ASDM模型介绍 | 第30-31页 |
| 3.2.2 用户账户属性信息建模 | 第31-32页 |
| 3.2.3 用户行为和微博文本建模 | 第32-35页 |
| 3.3 本章小结 | 第35-36页 |
| 4 基于监督随机游走的有影响力用户发现方法 | 第36-44页 |
| 4.1 监督随机游走 | 第37页 |
| 4.2 基于LDA主题模型的用户主题偏好 | 第37-38页 |
| 4.3 微博用户主题相似度计算 | 第38-39页 |
| 4.4 基于主题偏好的监督随机游走算法 | 第39-43页 |
| 4.5 本章小结 | 第43-44页 |
| 5 实验与结果分析 | 第44-58页 |
| 5.1 实验准备 | 第45-46页 |
| 5.2 实验数据集 | 第46-49页 |
| 5.3 “僵尸粉”识别实验与结果分析 | 第49-52页 |
| 5.3.1 “僵尸粉”标注 | 第49-50页 |
| 5.3.2 实验评价指标 | 第50-51页 |
| 5.3.3 实验结果及分析 | 第51-52页 |
| 5.4 TP-SRW算法实验与结果分析 | 第52-57页 |
| 5.4.1 参数设置和评价指标 | 第53-54页 |
| 5.4.2 实验结果与分析 | 第54-57页 |
| 5.5 本章小结 | 第57-58页 |
| 结论与展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表论文及科研成果 | 第63-64页 |
| 致谢 | 第64-65页 |