| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 相关工作研究现状 | 第11-17页 |
| 1.3.1 网络嵌入算法研究现状 | 第11-13页 |
| 1.3.2 聚类算法研究现状 | 第13-15页 |
| 1.3.3 影响力最大化研究现状 | 第15-17页 |
| 1.4 本文的主要研究内容 | 第17-18页 |
| 1.5 论文结构 | 第18-20页 |
| 第二章 影响力最大化问题的相关知识 | 第20-31页 |
| 2.1 影响力最大化问题 | 第20页 |
| 2.2 影响力传播模型 | 第20-27页 |
| 2.2.1 独立级联模型（Independent Cascade Model） | 第21-23页 |
| 2.2.2 线性阈值模型（Linear Threshold Model） | 第23-24页 |
| 2.2.3 其他的传播模型 | 第24-27页 |
| 2.3 影响力最大化算法 | 第27-30页 |
| 2.3.1 基于贪婪策略的算法 | 第27-29页 |
| 2.3.2 基于网络拓扑结构的算法 | 第29页 |
| 2.3.3 基于渗流理论的算法 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 网络嵌入算法研究 | 第31-53页 |
| 3.1 Deep Walk算法 | 第31-39页 |
| 3.1.1 Random Walk算法 | 第33-34页 |
| 3.1.2 Skip-Gram模型 | 第34-36页 |
| 3.1.3 Hierarchical Softmax | 第36-39页 |
| 3.2 C-Deep Walk算法 | 第39-43页 |
| 3.3 实验 | 第43-51页 |
| 3.3.1 数据集 | 第44-45页 |
| 3.3.2 数据集划分 | 第45页 |
| 3.3.3 评价指标 | 第45-46页 |
| 3.3.4 算法参数设置 | 第46-47页 |
| 3.3.5 实验结果及分析 | 第47-51页 |
| 3.4 本章小结 | 第51-53页 |
| 第四章 基于网络嵌入的影响力最大化 | 第53-74页 |
| 4.1 算法思想 | 第53-54页 |
| 4.2 算法流程 | 第54-62页 |
| 4.2.1 聚类算法的选择 | 第54-56页 |
| 4.2.2 网络嵌入算法的选择 | 第56-60页 |
| 4.2.3 候选种子集的产生 | 第60-61页 |
| 4.2.4 基于贪婪算法的种子节点集选择 | 第61-62页 |
| 4.3 算法复杂性分析 | 第62-64页 |
| 4.4 实验 | 第64-73页 |
| 4.4.1 实验数据集 | 第64-65页 |
| 4.4.2 实验环境 | 第65页 |
| 4.4.3 实验结果及分析 | 第65-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 总结与展望 | 第74-76页 |
| 5.1 总结 | 第74-75页 |
| 5.2 展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 在学期间的研究成果 | 第82-83页 |
| 致谢 | 第83页 |
