| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·微博僵尸粉研究现状 | 第11-12页 |
| ·微博影响力研究现状 | 第12-14页 |
| ·本文的主要工作 | 第14-16页 |
| ·论文的结构安排 | 第16-18页 |
| 2 相关算法与基础理论 | 第18-26页 |
| ·复杂网络聚类算法 | 第18-20页 |
| ·谱方法 | 第18-19页 |
| ·KL 算法 | 第19页 |
| ·GN 算法 | 第19页 |
| ·微博网络聚类的要求 | 第19-20页 |
| ·微博影响力评价相关算法 | 第20-24页 |
| ·PageRank 算法 | 第20-21页 |
| ·Hits 算法 | 第21-22页 |
| ·Influence-Passivity 算法 | 第22-23页 |
| ·现有微博影响力评价算法的局限性 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 3 微博数据抓取与标注 | 第26-34页 |
| ·现有微博数据获取方式及缺陷 | 第26-28页 |
| ·基于网络爬虫的微博数据抓取方式 | 第26-27页 |
| ·基于新浪 API 的数据抓取方法 | 第27-28页 |
| ·现有方法存在的缺陷 | 第28页 |
| ·新浪微博数据抓取 | 第28-30页 |
| ·僵尸粉标注 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 4 基于聚类算法的微博影响力评价模型 | 第34-54页 |
| ·微博僵尸粉判别 | 第34-45页 |
| ·微博僵尸粉的定义 | 第34页 |
| ·微博僵尸粉特征分析 | 第34-39页 |
| ·基于模拟退火算法的可变速率 BP 神经网络-SAVBP | 第39-41页 |
| ·基于 SAVBP 网络的微博僵尸粉分类系统 | 第41-43页 |
| ·实验结果与分析 | 第43-45页 |
| ·基于聚类算法的微博影响力评价 | 第45-53页 |
| ·微博复杂网络聚类 | 第45-49页 |
| ·基于用户关键词的团簇影响力计算 | 第49-50页 |
| ·微博影响力评价算法-CRank | 第50-51页 |
| ·实验结果与分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 5 微博影响力评价模型实现及结果分析 | 第54-62页 |
| ·系统运行环境 | 第54页 |
| ·微博影响力评价系统 IPO 图 | 第54-55页 |
| ·微博影响力评价系统的实现 | 第55-58页 |
| ·数据预处理模块 | 第55-56页 |
| ·复杂网络聚类模块 | 第56-57页 |
| ·数据预计算模块 | 第57页 |
| ·团簇影响力计算模块 | 第57-58页 |
| ·微博影响力计算模块 | 第58页 |
| ·实验结果与分析 | 第58-61页 |
| ·系统实时性 | 第58-59页 |
| ·使用满意度 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·下一步工作与展望 | 第63-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第70页 |