| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 论文研究内容 | 第12-13页 |
| 1.3 论文组织结构 | 第13-16页 |
| 第2章 影响力最大化与传播预测相关研究 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 消息传播模型相关研究现状 | 第16-18页 |
| 2.2.1 线性阈值模型 | 第16-17页 |
| 2.2.2 独立级联模型 | 第17页 |
| 2.2.3 其他消息传播模型 | 第17-18页 |
| 2.3 消息影响力最大化相关研究现状 | 第18-20页 |
| 2.3.1 基于贪婪算法的影响力最大化算法 | 第18-19页 |
| 2.3.2 启发式的的影响力最大化算法 | 第19页 |
| 2.3.3 其他影响力最大化算法 | 第19-20页 |
| 2.4 消息传播预测相关研究现状 | 第20-23页 |
| 2.4.1 基于感染特性的消息传播预测 | 第20-21页 |
| 2.4.2 基于传播特性的消息传播预测 | 第21-22页 |
| 2.4.3 基于时间统计的消息传播预测 | 第22-23页 |
| 2.4.4 基于传统传播模型的消息传播预测 | 第23页 |
| 2.5 本章小结 | 第23-26页 |
| 第3章 基于用户主题与活跃度的影响力最大化算法 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 消息影响力最大化相关工作 | 第26-32页 |
| 3.2.1 微博用户属性 | 第26-29页 |
| 3.2.2 消息影响力最大化常用对比算法 | 第29-32页 |
| 3.3 基于PageRank优化的消息影响力最大化算法-IARank | 第32-34页 |
| 3.3.1 IARank算法思想 | 第32-33页 |
| 3.3.2 IARank算法流程 | 第33-34页 |
| 3.4 实验结果与分析 | 第34-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于用户质量的微博消息传播预测算法 | 第40-54页 |
| 4.1 引言 | 第40页 |
| 4.2 消息传播预测的相关工作 | 第40-46页 |
| 4.2.1 影响消息传播预测的相关因素 | 第40-44页 |
| 4.2.2 消息传播预测常用算法 | 第44-46页 |
| 4.3 基于改进三次指数平滑的消息传播预测算法 | 第46-48页 |
| 4.3.1 算法思想 | 第47页 |
| 4.3.2 消息传播预测算法流程 | 第47-48页 |
| 4.4 实验结果与分析 | 第48-52页 |
| 4.5 本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |