| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 社交网络研究现状 | 第12-14页 |
| 1.2.2 用户影响力研究现状 | 第14-15页 |
| 1.3 本文主要工作 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 社交网络综述 | 第17-25页 |
| 2.1 复杂网络 | 第17-19页 |
| 2.1.1 小世界效应 | 第17-18页 |
| 2.1.2 无标度特性 | 第18-19页 |
| 2.2 社会网络概述 | 第19-20页 |
| 2.3 社会网络分析理论 | 第20-22页 |
| 2.3.1 150定律 | 第20-21页 |
| 2.3.2 六度分割理论 | 第21-22页 |
| 2.4 社会网络分析指标 | 第22-23页 |
| 2.5 复杂网络和社会网络区别 | 第23页 |
| 2.6 社交网络概述 | 第23-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第三章 微博用户行为特征研究 | 第25-35页 |
| 3.1 新浪微博综述 | 第25-26页 |
| 3.2 数据集 | 第26-30页 |
| 3.2.1 爬取系统框架 | 第27-28页 |
| 3.2.2 爬取流程 | 第28-29页 |
| 3.2.3 爬取结果 | 第29-30页 |
| 3.3 人类行为研究 | 第30-32页 |
| 3.4 微博用户行为研究 | 第32-34页 |
| 3.4.1 转发行为 | 第32-33页 |
| 3.4.2 关注行为 | 第33-34页 |
| 3.5 本章总结 | 第34-35页 |
| 第四章 用户影响力模型 | 第35-45页 |
| 4.1 社交网络中影响力的概念 | 第35-36页 |
| 4.2 PageRank算法 | 第36-39页 |
| 4.3 基于PageRank的影响力计算方法—RTRank | 第39-44页 |
| 4.3.1 算法基本思想 | 第39-41页 |
| 4.3.2 用户之间关注度度量 | 第41-43页 |
| 4.3.3 算法基本流程 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 实验结果 | 第45-52页 |
| 5.1 RTRank算法的收敛性 | 第45-46页 |
| 5.2 相关性分析 | 第46-48页 |
| 5.2.1 FR和PR算法 | 第46-47页 |
| 5.2.2 转发次数 | 第47-48页 |
| 5.3 RTRank实时性分析 | 第48-50页 |
| 5.4 有效性验证 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 总结与展望 | 第52-54页 |
| 工作总结 | 第52页 |
| 研究展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间发表论文 | 第58-60页 |
| 致谢 | 第60页 |