社交媒体数据的时间序列分析
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.1.1 社交网络的兴起与发展 | 第9-11页 |
| 1.1.2 微博的兴起与发展 | 第11页 |
| 1.1.3 微博热点事件的重要意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 传播动力学概述 | 第12-13页 |
| 1.2.2 热点事件研究概述 | 第13-16页 |
| 1.3 论文的主要工作和结构安排 | 第16-19页 |
| 1.3.1 本文工作 | 第16页 |
| 1.3.2 本文结构安排 | 第16-19页 |
| 第二章 时间序列相关理论 | 第19-29页 |
| 2.1 时间序列的基本概念 | 第19页 |
| 2.2 时间序列分析 | 第19-22页 |
| 2.3 时间序列聚类 | 第22-28页 |
| 2.3.1 聚类算法概述 | 第22-23页 |
| 2.3.2 时间序列聚类算法 | 第23-26页 |
| 2.3.3 相似性度量 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 热点事件时间序列聚类分析 | 第29-41页 |
| 3.1 数据集介绍 | 第29-33页 |
| 3.2 K-SC聚类算法 | 第33-34页 |
| 3.3 并行K-SC聚类算法 | 第34-36页 |
| 3.4 聚类结果分析 | 第36-38页 |
| 3.5 本章小结 | 第38-41页 |
| 第四章 热点事件时间序列建模分析 | 第41-47页 |
| 4.1 热点事件建模分析概述 | 第41-42页 |
| 4.2 SpikeM | 第42-44页 |
| 4.3 SpikeM-G | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 参考文献 | 第49-51页 |
| 附录缩略语 | 第51-53页 |
| 致谢 | 第53-55页 |
| 攻读硕士学位期间发表的论文目录 | 第55页 |
