社交网络中的信息传播效应优化方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第18-32页 |
| 1.1 研究背景 | 第18-20页 |
| 1.2 国内外研究现状 | 第20-27页 |
| 1.2.1 信息传播模型 | 第21-24页 |
| 1.2.2 影响力最大化问题研究 | 第24-26页 |
| 1.2.3 社交影响力相关应用 | 第26-27页 |
| 1.3 研究内容 | 第27-29页 |
| 1.4 组织结构 | 第29-32页 |
| 第2章 信息传播覆盖最大化研究 | 第32-60页 |
| 2.1 引言 | 第32-35页 |
| 2.2 相关工作 | 第35-36页 |
| 2.3 问题定义 | 第36-38页 |
| 2.4 信息覆盖最大化问题的性质 | 第38-42页 |
| 2.4.1 计算复杂度 | 第38-41页 |
| 2.4.2 子模性质 | 第41-42页 |
| 2.5 求解算法 | 第42-50页 |
| 2.5.1 贪心算法 | 第42-44页 |
| 2.5.2 启发式算法 | 第44-45页 |
| 2.5.3 随机算法 | 第45-50页 |
| 2.6 实验分析 | 第50-57页 |
| 2.6.1 实验设定 | 第50-51页 |
| 2.6.2 实验结果 | 第51-57页 |
| 2.7 讨论:信息感知结点的价值 | 第57-59页 |
| 2.8 小结 | 第59-60页 |
| 第3章 稠密子图挖掘的统一框架研究 | 第60-76页 |
| 3.1 引言 | 第60-62页 |
| 3.2 相关工作 | 第62-63页 |
| 3.3 统一框架 | 第63-64页 |
| 3.4 二次规划的方法 | 第64-68页 |
| 3.4.1 超参β的界 | 第64-65页 |
| 3.4.2 统一框架的KKT条件 | 第65-67页 |
| 3.4.3 一个通用的解法 | 第67-68页 |
| 3.5 图论的视角 | 第68-71页 |
| 3.6 实验分析 | 第71-74页 |
| 3.6.1 同一区域的子图挖掘 | 第71-72页 |
| 3.6.2 随机初始化下的平均大小和密度 | 第72-74页 |
| 3.7 小结 | 第74-76页 |
| 第4章 信息传播活跃度最大化研究 | 第76-104页 |
| 4.1 引言 | 第76-78页 |
| 4.2 相关工作 | 第78-79页 |
| 4.3 问题定义 | 第79-81页 |
| 4.3.1 传播模型 | 第79-81页 |
| 4.3.2 活跃度最大化 | 第81页 |
| 4.4 活跃度最大化问题的性质 | 第81-85页 |
| 4.4.1 计算复杂度结果 | 第82-83页 |
| 4.4.2 目标函数的性质 | 第83-84页 |
| 4.4.3 可近似性 | 第84-85页 |
| 4.5 活跃度的上下界 | 第85-88页 |
| 4.5.1 上下界 | 第85-86页 |
| 4.5.2 上下界的性质 | 第86-88页 |
| 4.6 基于采样的方法 | 第88-96页 |
| 4.6.1 估计 | 第88-91页 |
| 4.6.2 贪心策略的有效实现 | 第91-93页 |
| 4.6.3 样本复杂度 | 第93-95页 |
| 4.6.4 数据依赖的近似方法 | 第95-96页 |
| 4.7 实验分析 | 第96-103页 |
| 4.7.1 实验设定 | 第96-97页 |
| 4.7.2 算法有效性 | 第97-98页 |
| 4.7.3 近似效果 | 第98-99页 |
| 4.7.4 可扩展性 | 第99-100页 |
| 4.7.5 影响力与活跃度 | 第100-103页 |
| 4.8 小结 | 第103-104页 |
| 第5章 工作总结与未来展望 | 第104-110页 |
| 5.1 工作总结 | 第104-106页 |
| 5.2 未来展望 | 第106-110页 |
| 参考文献 | 第110-118页 |
| 致谢 | 第118-120页 |
| 在读期间发表的学术论文与取得的研究成果 | 第120-121页 |
