| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-15页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 研究目标及内容 | 第15-16页 |
| 1.2.1 研究目标 | 第15页 |
| 1.2.2 研究内容 | 第15页 |
| 1.2.3 结构安排 | 第15-16页 |
| 1.3 研究方法与技术路线 | 第16-18页 |
| 第二章 文献研究综述及相关理论基础 | 第18-29页 |
| 2.1 微博概述 | 第18-19页 |
| 2.1.1 微博的概念 | 第18页 |
| 2.1.2 微博的产生与发展 | 第18-19页 |
| 2.2 微博研究现状 | 第19-21页 |
| 2.2.1 微博研究现状概述 | 第19-20页 |
| 2.2.2 微博研究的主要内容 | 第20-21页 |
| 2.3 微博用户影响力研究现状与分析 | 第21-26页 |
| 2.3.1 用户影响力的概念 | 第21-22页 |
| 2.3.2 研究现状及分析 | 第22-25页 |
| 2.3.2.1 基于个人属性特征的用户影响力指标分析法 | 第23页 |
| 2.3.2.2 基于网络链接结构的评价方法 | 第23-24页 |
| 2.3.2.3 基于用户间转发率的评价方法 | 第24-25页 |
| 2.3.3 现有研究评述 | 第25-26页 |
| 2.4 PageRank 算法介绍 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 微博交互行为分析及用户影响力模型构建 | 第29-44页 |
| 3.1 微博用户间交互行为分析 | 第29-31页 |
| 3.1.1 关注与被关注行为 | 第29-30页 |
| 3.1.2 转发与被转发行为 | 第30页 |
| 3.1.3 评论与被评论行为 | 第30-31页 |
| 3.2 微博用户交互模型与微博影响力影响因素分析 | 第31-37页 |
| 3.2.1 微博用户交互模型构建 | 第31-32页 |
| 3.2.2 基于微博用户交互模型的微博影响力因素分析 | 第32-34页 |
| 3.2.3 用户影响力的关键因素提取 | 第34-37页 |
| 3.3 基于交互行为的微博用户影响力模型构建 | 第37-40页 |
| 3.3.1 基于 PageRank 算法原理的微博影响力改进模型 | 第37-38页 |
| 3.3.2 基于交互行为模型及改进 PageRank 的微博影响力算法 | 第38-40页 |
| 3.3.3 基于交互行为模型及 MUR-IBM 算法特点 | 第40页 |
| 3.4 算法实现 | 第40-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 算法实例验证 | 第44-59页 |
| 4.1 腾讯微博 API 介绍 | 第44-47页 |
| 4.1.1 API 授权机制 | 第44-45页 |
| 4.1.2 主要接口及数据结构 | 第45-47页 |
| 4.2 数据获取和描述 | 第47-50页 |
| 4.2.1 数据抓取系统 | 第47-49页 |
| 4.2.2 数据集描述 | 第49-50页 |
| 4.3 用户数据特征及有效性分析 | 第50-51页 |
| 4.3.1 网络出入度分析 | 第50-51页 |
| 4.3.2 聚类系数和平均路径长度 | 第51页 |
| 4.4 微博用户间交互行为数据分析 | 第51-55页 |
| 4.4.1 用户发布行为数据分析 | 第52页 |
| 4.4.2 转发和评论行为数据分析 | 第52-53页 |
| 4.4.3 被转发和被评论来源数据分析 | 第53-55页 |
| 4.5 MUR-IBM 算法检验结果分析 | 第55-57页 |
| 4.5.1 MUR-IBM 算法结果 | 第55-56页 |
| 4.5.2 实验结果对比分析 | 第56-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 全文总结 | 第59-60页 |
| 5.2 本文研究存在的不足 | 第60页 |
| 5.3 下一步研究工作展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附录 | 第69-75页 |
| 附件 | 第75页 |
