| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 意见领袖发现方法的研究现状 | 第11-13页 |
| 1.2.2 舆情演化在意见领袖发现中的研究现状 | 第13-14页 |
| 1.3 论文主要的研究内容 | 第14-15页 |
| 1.4 论文的组织 | 第15-17页 |
| 2 相关理论及模型 | 第17-22页 |
| 2.1 社交网络及微博圈 | 第17-18页 |
| 2.2 意见领袖 | 第18页 |
| 2.3 舆情演化中的意见领袖 | 第18-19页 |
| 2.4 潜在意见领袖的网络图模型 | 第19-20页 |
| 2.5 基于社交网络模型与话题演化的意见领袖影响力模型 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 3 潜在意见领袖发现方法 | 第22-34页 |
| 3.1 基于社交网络图模型的潜在意见领袖发现方法 | 第22-27页 |
| 3.1.1 Page Rank算法基本思想 | 第22-23页 |
| 3.1.2 潜在意见领袖图模型构建 | 第23-25页 |
| 3.1.3 基于图模型的Page Rank改进算法 | 第25-27页 |
| 3.2 基于特征数据聚类模型的潜在意见领袖发现方法 | 第27-33页 |
| 3.2.1 聚类算法基本思想 | 第27-30页 |
| 3.2.2 基于微博的特征数据集构建 | 第30-31页 |
| 3.2.3 基于特征数据聚类的潜在意见领袖发现改进算法 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 4 基于话题演化的意见领袖发现方法 | 第34-40页 |
| 4.1 意见领袖影响力模型的构建 | 第34-35页 |
| 4.2 话题演化模型 | 第35-37页 |
| 4.3 基于时间片划分的话题演化模型改进 | 第37-38页 |
| 4.4 话题演化强度获取 | 第38-39页 |
| 4.5 本章小结 | 第39-40页 |
| 5 实验分析 | 第40-51页 |
| 5.1 舆情演化中意见领袖的评价标准 | 第40页 |
| 5.2 实验数据 | 第40-41页 |
| 5.3 基于图模型的潜在意见领袖发现实验 | 第41-44页 |
| 5.3.1 实验设置 | 第41-42页 |
| 5.3.2 实验结果及分析 | 第42-44页 |
| 5.4 基于特征数据聚类的潜在意见领袖发现实验 | 第44-47页 |
| 5.4.1 实验设置 | 第44页 |
| 5.4.2 实验结果及对比分析 | 第44-47页 |
| 5.5 基于话题演化的意见领袖发现方法 | 第47-49页 |
| 5.5.1 实验设置 | 第47页 |
| 5.5.2 实验结果及分析 | 第47-49页 |
| 5.6 本章小结 | 第49-51页 |
| 结论 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第58页 |
