微博签到时间的幂律特征及其机理研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究意义 | 第11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 创新点 | 第12-14页 |
| 第二章 文献综述 | 第14-31页 |
| 2.1 人类行为时间统计研究 | 第14-22页 |
| 2.1.1 时间统计特性的实证统计 | 第16-19页 |
| 2.1.2 任务队列理论 | 第19-20页 |
| 2.1.3 自适应兴趣驱动模型 | 第20-22页 |
| 2.2 人类行为空间统计研究 | 第22-29页 |
| 2.2.1 空间统计特性的实证统计 | 第22-26页 |
| 2.2.2 层次性交通模型 | 第26-28页 |
| 2.2.3 记忆效应和距离模型 | 第28-29页 |
| 2.3 微博社区位置研究 | 第29-31页 |
| 第三章 群体签到时间的人际和兴趣模型 | 第31-44页 |
| 3.1 群体签到行为统计特征分析 | 第31-37页 |
| 3.1.1 数据描述 | 第31-32页 |
| 3.1.2 周期性、阵发性分析 | 第32-33页 |
| 3.1.3 时间间隔分布统计特征 | 第33-34页 |
| 3.1.4 胖尾出现的条件 | 第34-37页 |
| 3.2 微博签到时间间隔建模 | 第37-40页 |
| 3.2.1 模型构建 | 第37-39页 |
| 3.2.2 模型仿真与参数分析 | 第39-40页 |
| 3.3 模型验证 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 解释群体运动幂律的熵模型 | 第44-55页 |
| 4.1 随机分组模型:一般化的熵模型 | 第44-46页 |
| 4.2 随机分组模型的改进 | 第46-49页 |
| 4.3 人类运动的预测 | 第49-54页 |
| 4.3.1 微博签到时间间隔分布预测 | 第50-51页 |
| 4.3.2 西雅图汽车行驶距离分布预测 | 第51-52页 |
| 4.3.3 群体移动步长分布预测 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-58页 |
| 5.1 论文总结 | 第55-56页 |
| 5.2 研究展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
