摘要 | 第5-9页 |
ABSTRACT | 第9-13页 |
第一章 绪论 | 第19-31页 |
1.1 研究背景 | 第19-20页 |
1.2 研究问题及挑战 | 第20-22页 |
1.2.1 研究问题 | 第20-21页 |
1.2.2 面临挑战 | 第21-22页 |
1.3 主要研究内容及贡献 | 第22-26页 |
1.3.1 基于进化博弈论的信息传播研究 | 第22-23页 |
1.3.2 基于用户及信息交互的信息传播研究 | 第23-24页 |
1.3.3 基于异质网络低维表示生成的信息传播研究 | 第24-25页 |
1.3.4 社交网络市场收益最大化研究 | 第25-26页 |
1.4 相关工作综述介绍 | 第26-27页 |
1.5 本文结构安排 | 第27-31页 |
第二章 基于进化博弈论的信息传播研究 | 第31-51页 |
2.1 引言 | 第31-32页 |
2.2 进化博弈论 | 第32-34页 |
2.3 信息传播问题描述 | 第34页 |
2.4 基于进化博弈论的传播模型 | 第34-38页 |
2.4.1 基本思想 | 第34-35页 |
2.4.2 信息聚类 | 第35页 |
2.4.3 收益矩阵建模 | 第35-37页 |
2.4.4 模型拟合 | 第37-38页 |
2.4.5 用户偏好 | 第38页 |
2.5 信息传播进化 | 第38-40页 |
2.5.1 信息进化动力学 | 第38-40页 |
2.5.2 进化稳定策略 | 第40页 |
2.6 模型评估 | 第40-47页 |
2.6.1 实验设置 | 第40-41页 |
2.6.2 实验结果 | 第41-42页 |
2.6.3 进化动力学分析 | 第42-44页 |
2.6.4 进化稳定策略 | 第44-47页 |
2.7 相关工作 | 第47页 |
2.8 总结 | 第47-49页 |
附录 | 第49-51页 |
第三章 基于用户及信息交互的信息传播研究 | 第51-65页 |
3.1 引言 | 第51-52页 |
3.2 IAD模型 | 第52-58页 |
3.2.1 问题描述 | 第52-53页 |
3.2.2 公式化表示 | 第53-55页 |
3.2.3 IAD模型框架 | 第55-58页 |
3.2.4 模型学习 | 第58页 |
3.3 信息分类 | 第58-59页 |
3.4 模型评估 | 第59-62页 |
3.4.1 实验设置 | 第59-60页 |
3.4.2 实验结果 | 第60-61页 |
3.4.3 相互作用分析 | 第61-62页 |
3.5 相关工作 | 第62-63页 |
3.6 总结 | 第63-65页 |
第四章 基于异质网络低维表示生成的信息传播研究 | 第65-83页 |
4.1 引言 | 第65-66页 |
4.2 问题描述和模型框架总览 | 第66-68页 |
4.2.1 问题定义 | 第66-68页 |
4.2.2 模型框架总览 | 第68页 |
4.3 异质网络的构建 | 第68-71页 |
4.4 异质网络顶点低维表示生成 | 第71-76页 |
4.4.1 异质网络随机游走 | 第71-73页 |
4.4.2 异质网络顶点低维表示生成 | 第73-76页 |
4.5 特征提取 | 第76页 |
4.6 实验 | 第76-80页 |
4.6.1 实验设置 | 第77-78页 |
4.6.2 实验结果 | 第78-79页 |
4.6.3 特征重要性分析 | 第79-80页 |
4.6.4 信息分类 | 第80页 |
4.7 相关工作 | 第80-81页 |
4.7.1 信息传播 | 第80-81页 |
4.7.2 网络表示学习 | 第81页 |
4.8 总结 | 第81-83页 |
第五章 社交网络市场收益最大化研究 | 第83-101页 |
5.1 引言 | 第83-84页 |
5.2 收益最大化问题 | 第84-86页 |
5.3 近似收益计算 | 第86-89页 |
5.4 CR算法和CHG算法 | 第89-93页 |
5.4.1 CR算法 | 第89页 |
5.4.2 CHG算法 | 第89-93页 |
5.5 实验 | 第93-99页 |
5.5.1 实验设置 | 第93-94页 |
5.5.2 合成网络实验结果 | 第94-96页 |
5.5.3 现实世界网络实验结果 | 第96-99页 |
5.6 相关工作 | 第99-100页 |
5.7 总结 | 第100-101页 |
第六章 总结 | 第101-103页 |
参考文献 | 第103-111页 |
致谢 | 第111-113页 |
攻读学位期间发表的学术论文目录 | 第113页 |