| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景与意义 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·论文创新点 | 第13-14页 |
| ·本文组织结构 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第2章 相关模型与理论 | 第15-25页 |
| ·基本理论 | 第15-16页 |
| ·图理论 | 第15页 |
| ·社交网络影响最大化问题 | 第15-16页 |
| ·社交网络中信息传播模型 | 第16-22页 |
| ·线性阈值模型 | 第16-17页 |
| ·独立级联模型 | 第17-18页 |
| ·递减级联模型（Decreasing Cascade Model） | 第18-19页 |
| ·加权级联模型（Weighted Cascade Model） | 第19页 |
| ·非渐进模型（Non-progressive Model） | 第19页 |
| ·触发模型（Triggering Model） | 第19-20页 |
| ·热传播模型（Heat Diffusion Model） | 第20-22页 |
| ·基本算法 | 第22-24页 |
| ·贪心算法 | 第23页 |
| ·FPTAS 算法 | 第23页 |
| ·Top-K 算法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于 PageRank 的信息传播模型 | 第25-36页 |
| ·PRP 模型思想 | 第25-26页 |
| ·PageRank 算法 | 第26-29页 |
| ·PRP 模型 | 第29-31页 |
| ·基于 PRP 模型的贪心算法 | 第31页 |
| ·实验评估与分析 | 第31-35页 |
| ·实验数据集 | 第32页 |
| ·实验设计 | 第32页 |
| ·实验结果分析 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于概率转移矩阵的影响最大化算法 | 第36-45页 |
| ·PTMA 算法思想 | 第36-37页 |
| ·扩展的线性阈值模型 | 第37-38页 |
| ·PTMA 算法 | 第38-39页 |
| ·TGA 与 PTMA 算法时间复杂度分析 | 第39-41页 |
| ·实验评估与分析 | 第41-44页 |
| ·实验设计 | 第41页 |
| ·影响效果分析 | 第41-42页 |
| ·时间代价分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 总结与展望 | 第45-47页 |
| ·总结 | 第45-46页 |
| ·未来工作展望 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 致谢 | 第52-53页 |
| 附录：攻读学位期间参与的科研项目与公开发表的论文 | 第53页 |
