微博网络话题及用户影响力预测研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究目的和意义 | 第12-13页 |
| 1.3 社交网络相关研究的文献综述 | 第13-16页 |
| 1.3.1 基于网络结构的研究 | 第13-14页 |
| 1.3.2 有关话题的研究 | 第14-15页 |
| 1.3.3 有关用户的研究 | 第15-16页 |
| 1.4 主要研究内容和创新点 | 第16-18页 |
| 1.4.1 研究内容 | 第16-17页 |
| 1.4.2 创新点 | 第17-18页 |
| 1.5 论文结构 | 第18-19页 |
| 第二章 相关理论技术基础 | 第19-30页 |
| 2.1 复杂网络理论 | 第19-21页 |
| 2.2 分类模型 | 第21-24页 |
| 2.2.1 神经网络模型 | 第21-22页 |
| 2.2.2 多元回归模型 | 第22页 |
| 2.2.3 支持向量机 | 第22-24页 |
| 2.3 聚类算法 | 第24-27页 |
| 2.3.1 个体差异计算 | 第24-25页 |
| 2.3.2 聚类算法 | 第25-27页 |
| 2.4 网页数据提取 | 第27-29页 |
| 2.4.1 VBA提取网页数据方法 | 第27-28页 |
| 2.4.2 新浪微博API | 第28页 |
| 2.4.3 正则规则 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 话题流行度预测模型 | 第30-47页 |
| 3.1 微吧话题特性研究 | 第30-35页 |
| 3.1.1 数据准备 | 第30-31页 |
| 3.1.2 微吧话题特性 | 第31-35页 |
| 3.2 基于复杂网络的模型 | 第35-37页 |
| 3.2.1 模型描述 | 第36页 |
| 3.2.2 预测机制 | 第36-37页 |
| 3.3 自适应差分进化算法 | 第37-42页 |
| 3.3.1 算法原理 | 第37-40页 |
| 3.3.2 参数设计 | 第40-42页 |
| 3.4 实验与仿真 | 第42-46页 |
| 3.4.1 参数实验 | 第42-44页 |
| 3.4.2 对比实验 | 第44-45页 |
| 3.4.3 模型的应用 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 用户角色发现及影响力预测 | 第47-72页 |
| 4.1 基于影响力的用户聚类 | 第47-56页 |
| 4.1.1 基于用户行为的度量 | 第48-49页 |
| 4.1.2 聚类算法设计 | 第49-51页 |
| 4.1.3 聚类参数确定 | 第51-54页 |
| 4.1.4 用户影响力分析 | 第54-56页 |
| 4.2 基于用户行为的影响力预测模型 | 第56-66页 |
| 4.2.1 复杂网络预测模型设计 | 第56-59页 |
| 4.2.2 模型训练算法设计 | 第59-61页 |
| 4.2.3 实验与仿真 | 第61-66页 |
| 4.3 微吧用户分析 | 第66-71页 |
| 4.3.1 数据准备 | 第66-67页 |
| 4.3.2 基于聚类的用户角色分析 | 第67-68页 |
| 4.3.3 用户角色与话题相关统计分析 | 第68-71页 |
| 4.4. 本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-75页 |
| 5.1 研究工作总结 | 第72-73页 |
| 5.2 未来工作展望 | 第73-75页 |
| 参考文献 | 第75-82页 |
| 致谢 | 第82-83页 |
| 攻读学位期间的学术成果 | 第83-85页 |
