| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 问题描述及定义 | 第11-12页 |
| 1.2.2 研究现状 | 第12-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第二章 相关知识 | 第16-31页 |
| 2.1 社交网络概述 | 第16-23页 |
| 2.1.1 网络拓扑结构特征统计量 | 第16-18页 |
| 2.1.2 网络的基本拓扑模型及其性质 | 第18-22页 |
| 2.1.3 大规模网络的属性 | 第22-23页 |
| 2.2 影响力传播模型 | 第23-25页 |
| 2.2.1 独立级联模型 | 第23-24页 |
| 2.2.2 线性阈值模型 | 第24页 |
| 2.2.3 其他级联模型 | 第24-25页 |
| 2.3 经典的影响最大化算法 | 第25-30页 |
| 2.3.1 爬山贪心算法 | 第25-26页 |
| 2.3.2 CELF算法 | 第26-27页 |
| 2.3.3 NewGreedy和MixGreedy算法 | 第27-28页 |
| 2.3.4 Degree Discount算法 | 第28-29页 |
| 2.3.5 CGA算法 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于两阶段启发的影响最大化算法研究 | 第31-44页 |
| 3.1 引言 | 第31-32页 |
| 3.2 常见的节点影响力评估方法 | 第32-34页 |
| 3.2.1 K-Shell | 第32-33页 |
| 3.2.2 PageRank | 第33-34页 |
| 3.3 DIH算法 | 第34-40页 |
| 3.3.1 算法设计及描述 | 第34-37页 |
| 3.3.2 算法实现步骤及伪代码 | 第37-40页 |
| 3.4 本文节点影响力评估 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 实验及结果分析 | 第44-53页 |
| 4.1 实验数据 | 第44页 |
| 4.2 实验设置 | 第44-45页 |
| 4.3 影响最大化算法评判标准 | 第45页 |
| 4.4 结果分析 | 第45-52页 |
| 4.4.1 DIH算法结果分析 | 第45-50页 |
| 4.4.2 对比算法结果分析 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 论文总结 | 第53-54页 |
| 5.2 未来展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间的研究成果 | 第60-61页 |