| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 引言 | 第7-12页 |
| 1.1 研究背景与意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究目标和内容 | 第10页 |
| 1.4 论文组织架构 | 第10-12页 |
| 第二章 背景知识和相关工作 | 第12-22页 |
| 2.1 背景知识 | 第12-19页 |
| 2.1.1 社会网络的数学表达形式 | 第12-15页 |
| 2.1.2 两个基本传播模型 | 第15-19页 |
| 2.1.3 次模函数(Submodiular Function) | 第19页 |
| 2.2 相关工作 | 第19-22页 |
| 2.2.1 爬山贪心算法(Hill Climbing Greedy Algorithm) | 第19-20页 |
| 2.2.2 基于度数的节点选择策略 | 第20页 |
| 2.2.3 共它相关算法 | 第20-22页 |
| 第三章 新型的混合式影响最大化算法 | 第22-28页 |
| 3.1 出发点 | 第22页 |
| 3.2 算法框架的提出及HPG算法 | 第22-25页 |
| 3.3 算法框架推广到带符号网络 | 第25-26页 |
| 3.4 GREEDY算法和HPG算法的时间复杂度分析 | 第26-28页 |
| 第四章 节点间影响力计算公式 | 第28-32页 |
| 4.1 无权图上b_(DV)的估计公式 | 第28-29页 |
| 4.2 带权图上b_(DV)的估计公式 | 第29页 |
| 4.3 带符号图上b_(DV)的估计公式 | 第29-32页 |
| 第五章 实验和评估 | 第32-40页 |
| 5.1 实验数据集 | 第32-33页 |
| 5.2 实验设计 | 第33-34页 |
| 5.3 实验结果 | 第34-39页 |
| 5.3.1 算法框架在无向网络上的效果 | 第34-35页 |
| 5.3.2 算法框架在带权网络上的有效性 | 第35-36页 |
| 5.3.3 算法框架在有向网络上的效果 | 第36页 |
| 5.3.4 HPG算法在带符号网络上的效果 | 第36-37页 |
| 5.3.5 Greedy算法和算法框架之间的比较 | 第37-38页 |
| 5.3.6 时间复杂度比较 | 第38-39页 |
| 5.4 实验总结 | 第39-40页 |
| 第六章 潜在影响力计算公式说明 | 第40-45页 |
| 6.1 实验设计 | 第40页 |
| 6.2 实验结果 | 第40-45页 |
| 6.2.1 直接线性组合实验 | 第41-42页 |
| 6.2.2 归一化线性组合实验 | 第42-43页 |
| 6.2.3 直接线性组合和归一化组合对比实验 | 第43-45页 |
| 第七章 总结和展望 | 第45-47页 |
| 7.1 论文总结 | 第45页 |
| 7.2 未来工作展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 附录一 硕士期间所发表的论文 | 第50-51页 |
| 致谢 | 第51-52页 |
