| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第14-31页 |
| 1.1 研究背景和意义 | 第14-17页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-27页 |
| 1.2.1 国外研究现状 | 第17-21页 |
| 1.2.2 国内研究现状 | 第21-26页 |
| 1.2.3 国内外研究评述 | 第26-27页 |
| 1.3 研究内容与研究方法 | 第27-31页 |
| 1.3.1 研究内容 | 第27-30页 |
| 1.3.2 研究方法 | 第30-31页 |
| 第2章 在线社会网络舆情传播特征分析 | 第31-51页 |
| 2.1 网络舆情 | 第31-37页 |
| 2.1.1 网络舆情内涵 | 第31-34页 |
| 2.1.2 网络舆情影响因素 | 第34-35页 |
| 2.1.3 网络舆情生命周期 | 第35-37页 |
| 2.2 在线社会网络 | 第37-44页 |
| 2.2.1 在线社会网络数据集 | 第37页 |
| 2.2.2 在线社会网络基本拓扑性质 | 第37-42页 |
| 2.2.3 在线社会网络小世界网络模型 | 第42-43页 |
| 2.2.4 在线社会网络无标度网络模型 | 第43-44页 |
| 2.3 在线社会网络用户传播行为 | 第44-50页 |
| 2.3.1 腾讯微博传播数据描述 | 第44-46页 |
| 2.3.2 腾讯微博用户网络舆情传播行为统计特征 | 第46-48页 |
| 2.3.3 腾讯微博用户属性对网络舆情传播行为影响 | 第48-50页 |
| 2.4 本章小结 | 第50-51页 |
| 第3章 信息-行为耦合交互的在线社会网络舆情传播模型 | 第51-75页 |
| 3.1 在线社会网络信息-行为耦合交互传播问题描述 | 第51-52页 |
| 3.2 信息-行为耦合交互的在线社会网络舆情传播机制 | 第52-54页 |
| 3.2.1 基于双层网络的舆情传播过程分析 | 第52-53页 |
| 3.2.2 网络舆情传播信息-行为耦合交互内在机制分析 | 第53-54页 |
| 3.3 信息-行为耦合交互的在线社会网络舆情传播动力学模型 | 第54-60页 |
| 3.3.1 在线社会网络用户节点状态转移概率分析 | 第54-57页 |
| 3.3.2 信息-行为耦合交互的S1I1R1-S2I2R2动力学模型构建 | 第57-60页 |
| 3.4 在线社会网络舆情传播稳定状态分析 | 第60-64页 |
| 3.4.1 基本再生数求解 | 第61-63页 |
| 3.4.2 稳定状态网络舆情传播最终扩散规模 | 第63-64页 |
| 3.5 “抢盐”事件在线社会网络舆情传播实证分析 | 第64-74页 |
| 3.5.1 基于“抢盐”事件的网络舆情传播模型有效性与先进性分析 | 第65-67页 |
| 3.5.2 基于“抢盐”事件的信息-行为耦合交互网络舆情传播演化过程 | 第67-68页 |
| 3.5.3 网络舆情与行为吸引力对传播过程的影响 | 第68-71页 |
| 3.5.4 信息-行为耦合强化效用对传播过程的影响 | 第71-72页 |
| 3.5.5 信息-行为耦合交互下在线社会网络舆情传播规律 | 第72-74页 |
| 3.6 本章小结 | 第74-75页 |
| 第4章 融入双重社会强化的在线社会网络舆情传播模型 | 第75-94页 |
| 4.1 双重社会强化问题提出 | 第75-76页 |
| 4.2 在线社会网络舆情传播动力机制分析 | 第76-80页 |
| 4.2.1 在线社会网络用户状态 | 第76-77页 |
| 4.2.2 双重社会强化效用对传播概率的影响 | 第77-78页 |
| 4.2.3 在线社会网络舆情传播动力机制 | 第78-80页 |
| 4.3 在线社会网络IHSR舆情传播模型 | 第80-81页 |
| 4.3.1 同质网络IHSR舆情传播模型构建 | 第80页 |
| 4.3.2 异质网络IHSR舆情传播模型构建 | 第80-81页 |
| 4.4 网络舆情传播阈值及稳定状态分析 | 第81-84页 |
| 4.4.1 同质网络舆情传播阈值及稳定状态分析 | 第81-82页 |
| 4.4.2 异质网络舆情传播阈值及稳定状态分析 | 第82-84页 |
| 4.5 仿真及结果分析 | 第84-93页 |
| 4.5.1 在线社会网络舆情传播演化过程 | 第85-86页 |
| 4.5.2 社会强化下传播概率对网络舆情传播最终规模的影响 | 第86-87页 |
| 4.5.3 社会强化机制对传播状态用户密度的影响 | 第87-88页 |
| 4.5.4 社会强化机制对免疫状态用户密度的影响 | 第88-89页 |
| 4.5.5 双重社会强化机制对网络舆情传播最终规模的影响 | 第89-92页 |
| 4.5.6 双重社会强化下在线社会网络舆情传播规律与启示 | 第92-93页 |
| 4.6 本章小节 | 第93-94页 |
| 第5章 超级传播机制下在线社会网络负面舆情干预模型 | 第94-121页 |
| 5.1 超级传播现象分析 | 第94-95页 |
| 5.2 超级传播机制下在线社会网络负面舆情干预过程 | 第95-98页 |
| 5.2.1 在线社会网络用户状态分析 | 第95-96页 |
| 5.2.2 负面网络舆情传播与干预过程描述 | 第96-98页 |
| 5.3 超级传播机制下在线社会网络负面舆情干预模型 | 第98-105页 |
| 5.3.1 在线社会网络负面舆情干预过程用户状态转移概率分析 | 第98-103页 |
| 5.3.2 在线社会网络负面舆情干预IS1S2C1C2R1R2模型构建 | 第103-105页 |
| 5.4 超级传播机制下在线社会网络负面舆情干预模型稳定状态分析 | 第105-110页 |
| 5.4.1 基本再生数 | 第106-109页 |
| 5.4.2 稳定状态下在线社会网络舆情最终扩散规模 | 第109-110页 |
| 5.5 超级传播机制下在线社会网络负面舆情干预模型仿真分析 | 第110-119页 |
| 5.5.1 在线社会网络负面舆情干预演化过程 | 第111-112页 |
| 5.5.2 超级传播影响机制分析 | 第112-116页 |
| 5.5.3 正面网络舆情干预强度分析 | 第116-118页 |
| 5.5.4 超级传播机制下在线社会网络负面舆情干预对策 | 第118-119页 |
| 5.6 本章小节 | 第119-121页 |
| 第6章 考虑局部相对强度的正面网络舆情影响最大化模型 | 第121-141页 |
| 6.1 在线社会网络影响最大化问题分析 | 第121-122页 |
| 6.2 正面网络舆情多个初始重要传播者选取方法 | 第122-126页 |
| 6.2.1 度数中心性 | 第122-123页 |
| 6.2.2 核数中心性 | 第123-124页 |
| 6.2.3 SingleDiscount启发式算法 | 第124-125页 |
| 6.2.4 DegreeDiscount启发式算法 | 第125-126页 |
| 6.3 考虑局部相对强度的影响最大化模型 | 第126-129页 |
| 6.3.1 考虑局部相对强度的多个初始重要传播者选取思路 | 第126-127页 |
| 6.3.2 正面网络舆情LRS影响最大化算法设计 | 第127-129页 |
| 6.4 在线社会网络实证分析 | 第129-140页 |
| 6.4.1 正面网络舆情传播模型 | 第129页 |
| 6.4.2 数据集介绍 | 第129-131页 |
| 6.4.3 测量指标 | 第131-132页 |
| 6.4.4 结果分析 | 第132-139页 |
| 6.4.5 在线社会网络正面舆情引导对策 | 第139-140页 |
| 6.5 本章小结 | 第140-141页 |
| 结论 | 第141-144页 |
| 参考文献 | 第144-158页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第158-160页 |
| 致谢 | 第160-161页 |
