基于特定话题的社区发现及信息传播分析
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究意义与背景 | 第10-13页 |
| 1.1.1 在线社交网络-微博 | 第11-12页 |
| 1.1.2 社区发现的意义 | 第12页 |
| 1.1.3 信息传播的意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第二章 社区发现与信息传播的相关理论与技术 | 第17-28页 |
| 2.1 经典社区发现模型与技术 | 第17-21页 |
| 2.1.1 基于图分割与分裂方法的社区发现 | 第18页 |
| 2.1.2 基于优化方法的社区发现 | 第18-19页 |
| 2.1.3 基于聚类方法的社区发现 | 第19页 |
| 2.1.4 基于内容的社区发现 | 第19-21页 |
| 2.2 微博网络信息传播模型 | 第21-24页 |
| 2.2.1 传染病模型 | 第22-23页 |
| 2.2.2 线性阈值模型 | 第23页 |
| 2.2.3 独立级联模型 | 第23-24页 |
| 2.3 信息传播影响最大化算法 | 第24-28页 |
| 2.3.1 贪心算法 | 第25-26页 |
| 2.3.2 最大度算法 | 第26-28页 |
| 第三章 基于特定话题的社区发现框架 | 第28-44页 |
| 3.1 权重计算 | 第28-29页 |
| 3.1.1 TF-IDF算法 | 第28页 |
| 3.1.2 改进的TF-IDF算法 | 第28-29页 |
| 3.2 相似度计算 | 第29-30页 |
| 3.3 谱聚类 | 第30-32页 |
| 3.4 社区发现通用框架实现 | 第32-44页 |
| 3.4.1 群体发现框架 | 第34-36页 |
| 3.4.2 基于转发关系的关系图构建 | 第36页 |
| 3.4.3 实验数据及结果分析 | 第36-44页 |
| 第四章 改进独立级联传播模型CWIC | 第44-54页 |
| 4.1 CWIC模型设计 | 第44-48页 |
| 4.1.1 理论依据 | 第44-46页 |
| 4.1.2 CWIC设计 | 第46-48页 |
| 4.2 实验实现与结果分析 | 第48-52页 |
| 4.2.1 实验设计 | 第48-49页 |
| 4.2.2 实验结果与分析 | 第49-52页 |
| 4.3 本章总结 | 第52-54页 |
| 第五章 结束语 | 第54-56页 |
| 5.1 工作总结 | 第54-55页 |
| 5.2 研究展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 作者在学期间取得的学术成果 | 第59页 |
