| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 课题研究内容 | 第10-13页 |
| 1.2.1 社交网络中话题检测的研究 | 第10-11页 |
| 1.2.2 社交网络中用户情感动态变化的研究 | 第11-12页 |
| 1.2.3 社交网络中信息传播研究 | 第12-13页 |
| 1.3 论文结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 研究现状与分析 | 第15-23页 |
| 2.1 概率图模型的应用研究 | 第15-19页 |
| 2.1.1 概率图模型的表示理论 | 第15-16页 |
| 2.1.2 概率图模型的学习理论 | 第16-17页 |
| 2.1.3 概率图模型的推理算法 | 第17-19页 |
| 2.2 社交网络中话题检测问题的研究现状 | 第19-21页 |
| 2.2.1 传统话题检测模型的研究 | 第19-20页 |
| 2.2.2 概率图模型在话题检测中的应用研究 | 第20-21页 |
| 2.3 信息传播模型的研究现状 | 第21-22页 |
| 2.3.1 经典的信息传播模型 | 第21-22页 |
| 2.3.2 概率图模型在信息传播中的应用 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 概率图模型在话题检测中的应用研究 | 第23-47页 |
| 3.1 动态情感-话题(DST)概率图模型的设计和建模 | 第24-32页 |
| 3.1.1 DST模型的理论研究 | 第24-26页 |
| 3.1.2 DST模型的描述 | 第26-30页 |
| 3.1.3 DST模型的数学理论推理 | 第30-32页 |
| 3.2 动态情感-话题检测概率图模型模块设计与实现 | 第32-38页 |
| 3.2.1 多尺度滑动时间窗口模块 | 第32-34页 |
| 3.2.2 参数更新算法-Gamma更新函数算法模块 | 第34-36页 |
| 3.2.3 Gibbs Sample估计算法模块 | 第36-38页 |
| 3.3 动态情感-话题检测概率图模型数据实验验证 | 第38-45页 |
| 3.3.1 输入数据预处理 | 第39-40页 |
| 3.3.2 评测指标 | 第40-41页 |
| 3.3.3 对比实验与性能评估 | 第41-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 概率图模型在信息传播中的应用研究 | 第47-57页 |
| 4.1 特定话题的用户决策传播概率图模型的设计 | 第48-53页 |
| 4.1.1 概念定义 | 第48页 |
| 4.1.2 模型介绍 | 第48-51页 |
| 4.1.3 模型学习与理论推理 | 第51-53页 |
| 4.2 特定话题的用户决策传播概率图模型数据实验验证 | 第53-55页 |
| 4.2.1 实验数据 | 第53-54页 |
| 4.2.2 对比实验 | 第54-55页 |
| 4.3 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 工作总结 | 第57-58页 |
| 5.2 工作问题与展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间发表的学术论文 | 第67页 |
