| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 本文的主要研究工作 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第二章 社交网络中的用户行为模型 | 第15-29页 |
| 2.1 社交网络宏观特征分析理论 | 第15-18页 |
| 2.1.1 度与度分布(Degree & Degree Distribution) | 第15-16页 |
| 2.1.2 平均路径长度(Mean Path Length)与网络直径(Network Diameter) | 第16页 |
| 2.1.3 聚类系数(Clustering Coefficient) | 第16-17页 |
| 2.1.4 介数(Betweenness) | 第17页 |
| 2.1.5 度相关性(Degree Correlation) | 第17-18页 |
| 2.2 社交网络模型 | 第18-21页 |
| 2.2.1 规则网络 | 第18页 |
| 2.2.2 ER随机图 | 第18-19页 |
| 2.2.3 WS小世界网络模型 | 第19-20页 |
| 2.2.4 BA无标度网络 | 第20-21页 |
| 2.3 社交网络用户行为研究 | 第21-23页 |
| 2.3.1 用户行为的实证统计研究 | 第21-22页 |
| 2.3.2 用户行为的模型理论研究 | 第22-23页 |
| 2.4 社交网络中spam行为分析 | 第23-26页 |
| 2.5 社交网络上spam问题的检测方法 | 第26-28页 |
| 2.5.1 微博平台的反spam问题机制 | 第26-27页 |
| 2.5.2 基于微博内容的检测方法 | 第27页 |
| 2.5.3 基于微博用户分析的检测方法 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 微博网络用户行为实证研究 | 第29-47页 |
| 3.1 数据集采集与存储 | 第29-38页 |
| 3.1.1 数据集获取 | 第29-30页 |
| 3.1.2 抓取系统 | 第30-32页 |
| 3.1.3 数据结构化与存储 | 第32-34页 |
| 3.1.4 数据预处理 | 第34-35页 |
| 3.1.5 数据全文检索 | 第35-38页 |
| 3.2 新浪微博网络的网络特性分析 | 第38-41页 |
| 3.2.1 新浪微博的无标度特性分析 | 第39-40页 |
| 3.2.2 新浪微博网络的小世界特性分析 | 第40-41页 |
| 3.3 新浪微博用户行为实证分析 | 第41-46页 |
| 3.3.1 新浪微博用户发微博行为实证分析 | 第41-42页 |
| 3.3.2 新浪微博用户的微博转发行为实证分析 | 第42-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 新浪微博用户行为研究与SPAM用户检测 | 第47-61页 |
| 4.1 微博spam用户行为模式分析与特征向量提取 | 第47-52页 |
| 4.2 支持向量机(Support Vector Machine) | 第52-55页 |
| 4.2.1 线性可分支持向量机 | 第52-54页 |
| 4.2.2 非线性支持向量机 | 第54页 |
| 4.2.3 常用的核函数 | 第54-55页 |
| 4.3 支持向量机的增量学习 | 第55-56页 |
| 4.4 spam用户检测系统 | 第56-58页 |
| 4.5 测试与实验分析 | 第58-59页 |
| 4.6 本章小结 | 第59-61页 |
| 第五章 总结和下一步工作 | 第61-63页 |
| 5.1 全文总结 | 第61页 |
| 5.2 下一步工作展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
