| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-13页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11页 |
| ·本文的主要工作 | 第11-12页 |
| ·论文组织结构 | 第12-13页 |
| 第二章 在线社会网络研究综述 | 第13-26页 |
| ·复杂网络与社会网络 | 第13-17页 |
| ·复杂网络概念 | 第13-16页 |
| ·什么是社会网络 | 第16-17页 |
| ·复杂网络与社会网络的联系和区别 | 第17页 |
| ·社会网络分析 | 第17-20页 |
| ·社会网络分析法 | 第17-19页 |
| ·社会网络分析软件 | 第19-20页 |
| ·在线社会网络研究现状 | 第20-22页 |
| ·在线社会网络及发展 | 第20页 |
| ·在线社会网络分类 | 第20-21页 |
| ·在线社会网络主要研究方向 | 第21-22页 |
| ·微博发展概述 | 第22-26页 |
| 第三章 微博网络结构及用户行为分析 | 第26-35页 |
| ·数据集描述 | 第26-28页 |
| ·数据获取 | 第26-28页 |
| ·基本定义及数据集描述 | 第28页 |
| ·微博网络属性分析 | 第28-30页 |
| ·网络出入度分析 | 第28-30页 |
| ·聚类系数及平均路径长度 | 第30页 |
| ·用户行为分析 | 第30-34页 |
| ·人类行为动力学 | 第30-31页 |
| ·微博用户行为分析 | 第31-34页 |
| ·微博用户地域分布关系 | 第34-35页 |
| 第四章 微博网络节点影响力评价 | 第35-53页 |
| ·Hadoop框架及MapReduce模型 | 第35-38页 |
| ·Hadoop的架构体系 | 第35-37页 |
| ·MapReduce模型 | 第37-38页 |
| ·Behavior-Relationship Rank算法 | 第38-46页 |
| ·PageRank算法 | 第39-40页 |
| ·基于PageRank的Behavior-Relationship Rank算法 | 第40-42页 |
| ·算法描述 | 第42-44页 |
| ·算法实现流程 | 第44-46页 |
| ·基于BRR算法的网络节点影响力评价 | 第46-53页 |
| ·PageRank算法结果分析 | 第46-48页 |
| ·BRR算法结果分析 | 第48-51页 |
| ·BRR算法的不足 | 第51-53页 |
| 第五章 结束语 | 第53-55页 |
| ·论文工作总结 | 第53页 |
| ·进一步的研究工作 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的学术论文 | 第59页 |