多元信息融合的社交网络中影响力的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 引言 | 第16页 |
| 1.2 研究背景 | 第16-21页 |
| 1.3 本文研究内容与组织结构 | 第21-24页 |
| 第二章 相关技术 | 第24-33页 |
| 2.1 引言 | 第24页 |
| 2.2 信息网络分析 | 第24-25页 |
| 2.3 社交网络中信息传播的建模 | 第25-28页 |
| 2.3.1 独立级联模型 | 第26页 |
| 2.3.2 线性阈值模型 | 第26-27页 |
| 2.3.3 传染病传播模型 | 第27页 |
| 2.3.4 多信源传播模型 | 第27-28页 |
| 2.4 多社交网络的融合 | 第28-32页 |
| 2.4.1 基于用户名匹配的跨网络信息融合 | 第29-30页 |
| 2.4.2 基于网络拓扑结构的跨网络信息融合 | 第30页 |
| 2.4.3 基于话题的跨网络实体信息融合 | 第30-32页 |
| 2.4.4 面向部分匹配网络的信息融合 | 第32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于跨网络影响力的关键节点挖掘 | 第33-52页 |
| 3.1 引言 | 第33页 |
| 3.2 研究背景 | 第33-35页 |
| 3.3 问题定义 | 第35-38页 |
| 3.3.1 引爆者和影响力增益 | 第36-38页 |
| 3.3.2 问题定义 | 第38页 |
| 3.4 基于跨网络影响力的引爆者挖掘 | 第38-45页 |
| 3.4.1 跨网络的信息传播模型 | 第38-41页 |
| 3.4.2 传播路径加权 | 第41-42页 |
| 3.4.3 引爆者挖掘算法 | 第42-45页 |
| 3.5 实验与分析 | 第45-51页 |
| 3.5.1 小数据集实验 | 第45-48页 |
| 3.5.2 原始数据集实验 | 第48-49页 |
| 3.5.3 参数分析 | 第49-50页 |
| 3.5.4 讨论 | 第50-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 跨网络传播中的影响最大化问题 | 第52-70页 |
| 4.1 引言 | 第52页 |
| 4.2 研究背景 | 第52-55页 |
| 4.3 问题定义 | 第55页 |
| 4.4 跨网络信息传播模型 | 第55-58页 |
| 4.4.1 网络内部和跨网络的信息传播 | 第55-56页 |
| 4.4.2 IPATH信息传播模型 | 第56-58页 |
| 4.5 问题分析 | 第58-61页 |
| 4.6 算法与分析 | 第61-63页 |
| 4.6.1 IMDP优化算法 | 第61-62页 |
| 4.6.2 IMDP算法的分析 | 第62-63页 |
| 4.7 实验与分析 | 第63-68页 |
| 4.7.1 数据集介绍 | 第63页 |
| 4.7.2 实验设置 | 第63-67页 |
| 4.7.3 结果分析 | 第67-68页 |
| 4.7.4 参数分析 | 第68页 |
| 4.7.5 网络结构未知情况 | 第68页 |
| 4.8 总结 | 第68-70页 |
| 第五章 基于影响力扩散的社团发现问题 | 第70-90页 |
| 5.1 引言 | 第70页 |
| 5.2 研究背景 | 第70-72页 |
| 5.3 问题定义 | 第72-73页 |
| 5.4 单个网络的亲密度矩阵 | 第73-77页 |
| 5.4.1 单个同构网络的亲密度矩阵 | 第74-75页 |
| 5.4.2 单个属性增强异构网络的亲密度矩阵 | 第75-77页 |
| 5.5 部分匹配网络的亲密度矩阵 | 第77-80页 |
| 5.5.1 跨匹配网络的亲密度矩阵 | 第77-78页 |
| 5.5.2 降维后的近似亲密度 | 第78-79页 |
| 5.5.3 时间空间复杂度分析 | 第79-80页 |
| 5.6 聚类与权重自动调节算法 | 第80-82页 |
| 5.7 实验与分析 | 第82-89页 |
| 5.7.1 数据集介绍 | 第82-83页 |
| 5.7.2 实验设置 | 第83-85页 |
| 5.7.3 实验结果 | 第85-89页 |
| 5.7.4 参数分析 | 第89页 |
| 5.8 总结 | 第89-90页 |
| 第六章 基于电视信息的用户社交行为预测 | 第90-110页 |
| 6.1 引言 | 第90页 |
| 6.2 研究背景 | 第90-92页 |
| 6.3 数据分析 | 第92-97页 |
| 6.3.1 数据分析设置 | 第92-93页 |
| 6.3.2 CDC Tips | 第93-95页 |
| 6.3.3 Legacy Truth | 第95-97页 |
| 6.4 问题定义 | 第97-98页 |
| 6.5 模型框架 | 第98-104页 |
| 6.5.1 电视信息 | 第99-101页 |
| 6.5.2 社交信息 | 第101-102页 |
| 6.5.3 信息聚集 | 第102-103页 |
| 6.5.4 参数推断 | 第103-104页 |
| 6.6 实验与分析 | 第104-109页 |
| 6.6.1 实验设置 | 第104-105页 |
| 6.6.2 实验结果 | 第105-107页 |
| 6.6.3 参数分析 | 第107-109页 |
| 6.7 本章小结 | 第109-110页 |
| 第七章 总结与展望 | 第110-113页 |
| 7.1 本文研究总结 | 第110-111页 |
| 7.2 未来工作展望 | 第111-113页 |
| 参考文献 | 第113-125页 |
| 攻读博士期间取得的科研成果 | 第125-127页 |
| 攻读博士学位期间参与的科研课题 | 第127-128页 |
| 致谢 | 第128-129页 |
