| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 图录 | 第9-10页 |
| 表录 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 微博网络研究现状 | 第12页 |
| 1.2.2 用户影响力研究现状 | 第12-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 相关理论技术基础 | 第17-29页 |
| 2.1 微博信息传播机制 | 第17-18页 |
| 2.2 PageRank算法 | 第18-20页 |
| 2.3 主题模型 | 第20-25页 |
| 2.3.1 LSI模型 | 第20-21页 |
| 2.3.2 PLSI模型 | 第21-23页 |
| 2.3.3 LDA模型 | 第23-25页 |
| 2.4 相似度策略 | 第25-26页 |
| 2.5 多元回归分析 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 微博话题传播中用户影响力分析的关键问题 | 第29-47页 |
| 3.1 用户影响力与话题传播 | 第29-30页 |
| 3.2 总体研究思路 | 第30-32页 |
| 3.3 信息收听网与信息转发网 | 第32-35页 |
| 3.3.1 信息收听网 | 第32-33页 |
| 3.3.2 信息转发网 | 第33-35页 |
| 3.3.3 两者区别与联系 | 第35页 |
| 3.4 话题传播网模型 | 第35-39页 |
| 3.4.1 模型描述 | 第36-37页 |
| 3.4.2 TRN话题传播网构建算法 | 第37-39页 |
| 3.5 主题影响力的计算 | 第39-45页 |
| 3.5.1 基于LDA的微博文本建模 | 第40-44页 |
| 3.5.2 微博文本的相似度计算 | 第44-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第四章 用户影响力分析中的重要个人属性研究 | 第47-59页 |
| 4.1 用户影响力的定义与度量 | 第47-48页 |
| 4.1.1 影响力的定义 | 第47页 |
| 4.1.2 影响力度量 | 第47-48页 |
| 4.2 微博用户属性特征分析 | 第48-51页 |
| 4.3 Cox比例风险回归模型 | 第51-52页 |
| 4.4 实验及结果分析 | 第52-56页 |
| 4.4.1 数据准备 | 第52页 |
| 4.4.2 用户影响力回归分析 | 第52-55页 |
| 4.4.3 验证及评价 | 第55-56页 |
| 4.5 本章小结 | 第56-59页 |
| 第五章 面向话题的用户影响力分析算法TS-InfluenceRank | 第59-73页 |
| 5.1 基本思想 | 第59-60页 |
| 5.2 转移概率的计算 | 第60-62页 |
| 5.3 算法收敛性及采集器陷阱 | 第62-65页 |
| 5.4 TS-InfluenceRank算法流程 | 第65-66页 |
| 5.5 实验及性能分析 | 第66-71页 |
| 5.5.1 实验方案 | 第66-68页 |
| 5.5.2 评价指标 | 第68-69页 |
| 5.5.3 数据准备 | 第69-70页 |
| 5.5.4 实验结果及分析 | 第70-71页 |
| 5.6 本章小结 | 第71-73页 |
| 第六章 结论 | 第73-75页 |
| 6.1 本文工作总结 | 第73-74页 |
| 6.2 下一步研究展望 | 第74-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 作者简历 | 第83页 |