摘要 | 第3-4页 |
Abstract | 第4-5页 |
主要符号对照表 | 第9-10页 |
第1章 绪论 | 第10-19页 |
1.1 研究背景 | 第10-11页 |
1.2 研究现状 | 第11-14页 |
1.2.1 最有影响力节点发现 | 第11-12页 |
1.2.2 影响力最大化问题 | 第12-13页 |
1.2.3 社会网络信息传播 | 第13-14页 |
1.3 研究内容与思路 | 第14-16页 |
1.4 论文贡献 | 第16-17页 |
1.5 论文结构 | 第17-19页 |
第2章 相关工作 | 第19-27页 |
2.1 复杂网络 | 第19-21页 |
2.1.1 ER随机网络 | 第19-20页 |
2.1.2 小世界网络 | 第20页 |
2.1.3 无标度网络 | 第20-21页 |
2.1.4 基本概念定义 | 第21页 |
2.2 社区划分算法 | 第21-24页 |
2.3 传播模型 | 第24-25页 |
2.3.1 传染病模型 | 第24页 |
2.3.2 独立级联模型 | 第24页 |
2.3.3 线性阈值模型 | 第24-25页 |
2.4 实验数据集 | 第25-26页 |
2.5 本章小结 | 第26-27页 |
第3章 KSC最有影响力节点发现方法 | 第27-41页 |
3.1 引言 | 第27-28页 |
3.2 相关工作介绍 | 第28-30页 |
3.2.1 度中心化 | 第28页 |
3.2.2 介数中心化 | 第28-29页 |
3.2.3 紧密度 | 第29页 |
3.2.4 K-shell分解方法 | 第29-30页 |
3.2.5 社区划分算法 | 第30页 |
3.3 模型与算法 | 第30-31页 |
3.4 实验结果与分析 | 第31-39页 |
3.4.1 实验仿真模型 | 第31-32页 |
3.4.2 实验数据及环境 | 第32页 |
3.4.3 实验效果 | 第32-39页 |
3.5 本章小结 | 第39-41页 |
第4章 RMDN影响力最大化发现方法 | 第41-59页 |
4.1 引言 | 第41-43页 |
4.2 相关工作介绍 | 第43-45页 |
4.2.1 最大化问题的定义 | 第43-44页 |
4.2.2 贪心算法 | 第44页 |
4.2.3 基于度数的节点启发式算法 | 第44-45页 |
4.2.4 影响力的传播实验模型 | 第45页 |
4.3 模型与算法 | 第45-51页 |
4.3.1 RDMN算法模型 | 第46页 |
4.3.2 算法理论分析推导 | 第46-50页 |
4.3.3 算法改进RMDN++ | 第50-51页 |
4.4 实验与结果分析 | 第51-58页 |
4.4.1 实验数据 | 第51页 |
4.4.2 实验效果 | 第51-58页 |
4.5 本章小结 | 第58-59页 |
第5章 ISSD信息传播结构多样化模型 | 第59-86页 |
5.1 引言 | 第59页 |
5.2 相关工作 | 第59-65页 |
5.2.1 信息传播时间变化模型 | 第60-64页 |
5.2.2 信息传播结构多样性 | 第64-65页 |
5.3 ISSD模型与算法 | 第65-71页 |
5.3.1 信息传播假设 | 第65-66页 |
5.3.2 信息传播机理 | 第66-68页 |
5.3.3 基本概念定义 | 第68-69页 |
5.3.4 ISSD模型 | 第69-71页 |
5.3.5 ISSD算法 | 第71页 |
5.4 实验结果与分析 | 第71-78页 |
5.4.1 ISSD时间影响 | 第71-75页 |
5.4.2 ISSD结构多样性影响 | 第75-78页 |
5.5 影响力最大化算法 | 第78-84页 |
5.5.1 KClique Heuristic算法 | 第78-80页 |
5.5.2 Community Leader Heuristic算法 | 第80-84页 |
5.6 本章小结 | 第84-86页 |
第6章 总结与展望 | 第86-89页 |
6.1 对最有影响力节点发现的总结与展望 | 第86页 |
6.2 对影响力最大化问题的总结与展望 | 第86-87页 |
6.3 对信息传播结构多样化的总结与展望 | 第87-89页 |
参考文献 | 第89-98页 |
致谢 | 第98-100页 |
个人简历、在学期间发表的学术论文与研究成果 | 第100-101页 |