基于微博社区的用户影响算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景和意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.2 用户影响力的研究现状 | 第13页 |
| 1.2.3 用户影响力的度量指标 | 第13-14页 |
| 1.2.4 用户影响力的度量方法 | 第14-16页 |
| 1.3 主要研究内容和技术路线 | 第16-17页 |
| 1.3.1 主要研究内容 | 第16页 |
| 1.3.2 技术路线 | 第16-17页 |
| 1.4 论文的结构安排 | 第17-19页 |
| 第二章 相关基础理论介绍 | 第19-33页 |
| 2.1 社交网络和微博网络 | 第19-22页 |
| 2.1.1 社交网络概述 | 第19-20页 |
| 2.1.2 社交网络的理论基础 | 第20页 |
| 2.1.3 微博网络 | 第20-22页 |
| 2.2 影响力传播模型 | 第22-26页 |
| 2.2.1 独立级联模型 | 第22-24页 |
| 2.2.2 线性阀值模型 | 第24-26页 |
| 2.3 影响力相关算法介绍 | 第26-29页 |
| 2.3.1 PageRank算法介绍 | 第26-27页 |
| 2.3.2 HITS算法介绍 | 第27-29页 |
| 2.4 微博数据的获取 | 第29-32页 |
| 2.4.1 新浪微博开放平台简介 | 第29页 |
| 2.4.2 微博数据获取方式 | 第29-31页 |
| 2.4.3 网络爬虫数据获取 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 单条微博影响力评价模型 | 第33-42页 |
| 3.1 相关研究 | 第33-34页 |
| 3.1.1 .相关分析概述 | 第33页 |
| 3.1.2 Pearson相关系数 | 第33-34页 |
| 3.2 基于覆盖区域的微博影响力评价模型 | 第34-38页 |
| 3.2.1 模型思想 | 第34-35页 |
| 3.2.2 模型分析 | 第35-38页 |
| 3.3 实验结果与分析 | 第38-41页 |
| 3.3.1 实验环境 | 第38页 |
| 3.3.2 实验数据与处理 | 第38页 |
| 3.3.3 实验结果 | 第38-39页 |
| 3.3.4 实验分析 | 第39-41页 |
| 3.4 本章总结 | 第41-42页 |
| 第四章 微博影响力指标的构建以及算法研究 | 第42-55页 |
| 4.1 相关研究 | 第42页 |
| 4.2 影响力度量指标体系 | 第42-46页 |
| 4.3 微博影响力模型的构建 | 第46页 |
| 4.4 融合用户行为和博文内容的UMR算法 | 第46-50页 |
| 4.4.1 算法思想 | 第47-48页 |
| 4.4.2 算法实现 | 第48-50页 |
| 4.5 实验结果与分析 | 第50-54页 |
| 4.5.1 实验环境 | 第50页 |
| 4.5.2 实验数据与处理 | 第50-51页 |
| 4.5.3 实验结果 | 第51-52页 |
| 4.5.4 实验分析 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 本文总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间的研究成果 | 第61-62页 |
