多元话题竞争传播建模与预测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题来源及研究的背景和意义 | 第10-11页 |
| 1.1.1 课题研究的背景 | 第10页 |
| 1.1.2 课题研究的目的和意义 | 第10-11页 |
| 1.2 相关工作 | 第11-16页 |
| 1.2.1 信息传播模型 | 第11-13页 |
| 1.2.2 热度预测模型 | 第13-14页 |
| 1.2.3 社交网络中的强弱连接理论 | 第14-16页 |
| 1.3 研究内容与组织结构 | 第16-18页 |
| 第2章 热度预测相关知识 | 第18-30页 |
| 2.1 热度预测问题定义 | 第18-19页 |
| 2.2 相关模型 | 第19-23页 |
| 2.2.1 SH模型 | 第19-20页 |
| 2.2.2 IMM模型 | 第20-23页 |
| 2.3 文本分类相关算法 | 第23-26页 |
| 2.3.1 Word2vec模型 | 第23-24页 |
| 2.3.2 CNN文本分类方法 | 第24-26页 |
| 2.4 回归模型相关算法 | 第26-28页 |
| 2.4.1 线性回归模型 | 第26页 |
| 2.4.2 GBDT模型 | 第26-27页 |
| 2.4.3 支持向量回归模型 | 第27-28页 |
| 2.5 评价指标 | 第28-29页 |
| 2.5.1 均方根误差RMSE | 第28页 |
| 2.5.2 平均绝对误差MAPE | 第28-29页 |
| 2.5.3 皮尔逊相关系数 | 第29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 多元话题竞争传播建模 | 第30-44页 |
| 3.1 多元话题竞争建模 | 第30-36页 |
| 3.1.1 强连接特征 | 第31-32页 |
| 3.1.2 探针用户 | 第32-33页 |
| 3.1.3 竞争传播模型 | 第33-34页 |
| 3.1.4 基于梯度下降的迭代法 | 第34-35页 |
| 3.1.5 竞争矩阵 | 第35-36页 |
| 3.2 多元话题竞争传播模型实现 | 第36-42页 |
| 3.2.1 信息属性向量 | 第37-39页 |
| 3.2.2 用户偏向向量 | 第39-40页 |
| 3.2.3 回归模型 | 第40-42页 |
| 3.3 本章小结 | 第42-44页 |
| 第4章 Facebook热度预测 | 第44-51页 |
| 4.1 Facebook数据集 | 第44页 |
| 4.2 历史热度预测 | 第44-47页 |
| 4.2.1 Facebook内容生命周期 | 第45页 |
| 4.2.2 SH模型热度预测结果 | 第45-47页 |
| 4.3 基于强连接特征的热度预测模型 | 第47-49页 |
| 4.4 融合拉普拉斯平滑后的实验结果 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 腾讯新闻热度预测 | 第51-63页 |
| 5.1 腾讯新闻数据集 | 第51-52页 |
| 5.2 有限传播空间 | 第52-53页 |
| 5.3 实验结果与分析 | 第53-54页 |
| 5.3.1 基于SH模型的腾讯新闻预测结果 | 第53-54页 |
| 5.3.2 融合强连接的热度预测结果 | 第54页 |
| 5.4 回归模型 | 第54-55页 |
| 5.5 多元竞争矩阵的实现 | 第55-58页 |
| 5.5.1 加入竞争矩阵的预测效果 | 第55-57页 |
| 5.5.2 训练样本选入条件 | 第57-58页 |
| 5.6 竞争矩阵分析 | 第58-62页 |
| 5.7 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第69-71页 |
| 致谢 | 第71页 |
