社交网络影响力最大化模型与计算方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究背景与研究意义 | 第14-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.2.1 影响力最大化 | 第17-18页 |
| 1.2.2 多目标优化算法 | 第18-19页 |
| 1.3 本文主要研究内容与贡献 | 第19页 |
| 1.4 本文组织结构 | 第19-21页 |
| 第二章 社交网络与多目标优化相关理论 | 第21-30页 |
| 2.1 社交网络及其特点 | 第21-22页 |
| 2.2 社交网络影响力的度量 | 第22-23页 |
| 2.2.1 基于中心性度量 | 第22-23页 |
| 2.2.2 PageRank | 第23页 |
| 2.3 社交网络影响力传播模型 | 第23-25页 |
| 2.3.1 传染病模型 | 第24页 |
| 2.3.2 独立级联模型(ICM) | 第24-25页 |
| 2.3.3 线性阈值模型(LTM) | 第25页 |
| 2.4 社交网络影响力最大化求解算法 | 第25-28页 |
| 2.4.1 影响力最大化问题 | 第25-26页 |
| 2.4.2 影响力最大化求解算法 | 第26-28页 |
| 2.5 多目标优化方法 | 第28-30页 |
| 2.5.1 多目标问题的定义 | 第28页 |
| 2.5.2 多目标优化模型 | 第28-30页 |
| 第三章 影响力最大化模型与求解算法 | 第30-44页 |
| 3.1 引例 | 第30-32页 |
| 3.2 影响力模型构建 | 第32-36页 |
| 3.2.1 信息扩散影响目标 | 第33-34页 |
| 3.2.2 用户兴趣偏好目标 | 第34-35页 |
| 3.2.3 企业预算目标 | 第35-36页 |
| 3.3 基于蒙特卡洛抽样的节点影响力计算 | 第36-38页 |
| 3.4 基于MOEA/D的种子节点选择算法 | 第38-43页 |
| 3.4.1 算法框架 | 第38-39页 |
| 3.4.2 种子节点选择算法 | 第39-41页 |
| 3.4.3 遗传算子 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 并行化计算与实验分析 | 第44-56页 |
| 4.1 并行化计算的需求 | 第44页 |
| 4.2 基于Hadoop的计算框架 | 第44-46页 |
| 4.3 算法并行化设计 | 第46-48页 |
| 4.4 实验与分析 | 第48-56页 |
| 4.4.1 并行化实验 | 第50-51页 |
| 4.4.2 一般性实验结果 | 第51-53页 |
| 4.4.3 实验对比 | 第53页 |
| 4.4.4 敏感性分析 | 第53-55页 |
| 4.4.5 实验结论 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第62-64页 |
