| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状综述 | 第13-16页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 论文主要研究内容 | 第16-17页 |
| 1.4 论文的框架结构 | 第17-18页 |
| 2 相关研究 | 第18-31页 |
| 2.1 数据可视化概念及理论技术 | 第18-23页 |
| 2.1.1 数据可视化理论模型及框架 | 第19-21页 |
| 2.1.2 常见的数据可视化技术 | 第21-23页 |
| 2.1.3 可视化遇到的问题 | 第23页 |
| 2.2 关联规则以及挖掘算法分析 | 第23-28页 |
| 2.2.1 基本概念描述 | 第24-25页 |
| 2.2.2 APRIORI算法 | 第25-26页 |
| 2.2.3 FP-growth算法 | 第26-27页 |
| 2.2.4 灰色关联分析 | 第27-28页 |
| 2.3 热门微博传播因素分析 | 第28-30页 |
| 2.3.1 传播模型 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 用户节点影响力计算 | 第31-42页 |
| 3.1 微博用户的影响力分析 | 第31-33页 |
| 3.2 中心性加权链接强度算法 | 第33-37页 |
| 3.2.1 加权链接强度 | 第33-34页 |
| 3.2.2 用户节点影响力模型 | 第34-35页 |
| 3.2.3 CWLS算法框架 | 第35-36页 |
| 3.2.4 算法复杂度分析 | 第36-37页 |
| 3.3 实验与结果分析 | 第37-41页 |
| 3.3.1 实验数据集 | 第37页 |
| 3.3.2 不同数据集所产生的种子集的差异 | 第37-39页 |
| 3.3.3 不同阈值产生的种子集的差异 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 面向微博数据的灰色关联度算法 | 第42-54页 |
| 4.1 基于灰色关联度的关联规则算法 | 第42-46页 |
| 4.1.1 多属性因子权值分析 | 第42-44页 |
| 4.1.2 灰色关联系数 | 第44-45页 |
| 4.1.3 改进的灰色关联度 | 第45页 |
| 4.1.4 改进的灰色关联度算法框架 | 第45-46页 |
| 4.2 算法效率分析 | 第46-48页 |
| 4.2.1 多值属性关联规则算法性能比较 | 第46页 |
| 4.2.2 算法对比与结果分析 | 第46-48页 |
| 4.3 基于灰色关联度的可视化模型 | 第48-49页 |
| 4.4 可视化结果分析 | 第49-53页 |
| 4.4.1 N-GCAM算法与传统算法的可视化展示和对比 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 总结和展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-61页 |
| 个人简介 | 第61页 |
| 在读期间发表的论文及参与的项目 | 第61页 |
| 发表论文 | 第61页 |
| 参与项目 | 第61页 |