基于微博用户行为的数学建模和数据分析
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景和意义 | 第10-11页 |
| ·微博研究的概述 | 第11-15页 |
| ·关于用户影响力计算的研究概述 | 第11-13页 |
| ·关于信息传播特征的研究概述 | 第13-15页 |
| ·本文的主要工作 | 第15-16页 |
| ·本文的结构安排 | 第16页 |
| ·本章小结 | 第16-17页 |
| 第二章 研究方法的相关算法与基础理论 | 第17-30页 |
| ·用户影响力计算的相关算法 | 第17-25页 |
| ·PageRank 算法 | 第17-20页 |
| ·HITS 算法 | 第20-22页 |
| ·Infuence-Passivity 算法 | 第22-25页 |
| ·微博广告传播特征分析的相关数据挖掘算法 | 第25-29页 |
| ·K-Means 聚类算法 | 第25-27页 |
| ·因子分析算法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 新浪微博数据 | 第30-38页 |
| ·新浪微博 API 及数据结构 | 第30-33页 |
| ·API 授权机制 | 第30-32页 |
| ·主要接口说明 | 第32-33页 |
| ·数据结构与属性 | 第33页 |
| ·新浪微博数据爬取程序 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 计算微博用户影响力 | 第38-54页 |
| ·用户交互行为模型 | 第38-44页 |
| ·模型理论介绍 | 第38-39页 |
| ·算法综述 | 第39-44页 |
| ·计算用户影响力的相关实验 | 第44-52页 |
| ·实验数据的获取 | 第44-46页 |
| ·预测用户间的转发率 | 第46-49页 |
| ·发现网络中有影响力的用户 | 第49-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 发现微博平台广告传播特征 | 第54-74页 |
| ·引言 | 第54页 |
| ·微博信息传播的主要类型 | 第54-56页 |
| ·信息传播数据的处理 | 第56-59页 |
| ·实验数据的获取 | 第56-57页 |
| ·信息传播数据的树形表示 | 第57-59页 |
| ·信息传播树的聚类 | 第59-66页 |
| ·特征提取 | 第59-61页 |
| ·聚类过程与结果 | 第61-66页 |
| ·微博广告传播特征的分析 | 第66-73页 |
| ·微博广告的传播特征 | 第66-69页 |
| ·信息传播中的名人效应 | 第69-71页 |
| ·微博广告传播效果的评价 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 全文总结 | 第74-76页 |
| ·本文工作总结 | 第74-75页 |
| ·工作展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-83页 |
| 攻读学位期间发表的学术论文目录 | 第83-85页 |
