| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-9页 |
| 图录 | 第9-10页 |
| 表录 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究现状分析 | 第12-14页 |
| 1.2.1 研究现状概述 | 第12-13页 |
| 1.2.2 问题分析 | 第13-14页 |
| 1.3 研究目标和主要内容 | 第14-17页 |
| 1.3.1 研究目标 | 第14-15页 |
| 1.3.2 主要内容 | 第15-16页 |
| 1.3.3 章节安排 | 第16-17页 |
| 第二章 信息传播与影响力研究综述 | 第17-27页 |
| 2.1 信息传播研究 | 第17-20页 |
| 2.1.1 传播过程建模 | 第17-20页 |
| 2.1.2 微博中的信息传播研究 | 第20页 |
| 2.2 社会网络节点影响力研究 | 第20-23页 |
| 2.2.1 节点中心性分析 | 第20-22页 |
| 2.2.2 节点影响力度量算法 | 第22-23页 |
| 2.3 影响力最大化算法 | 第23-26页 |
| 2.3.1 相关概念 | 第24页 |
| 2.3.2 相关算法简介 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于行为预测的微博网络信息传播建模 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 微博消息转发行为预测 | 第27-29页 |
| 3.2.1 问题描述 | 第27-28页 |
| 3.2.2 特征提取 | 第28-29页 |
| 3.3 RPT 网络传播模型 | 第29-31页 |
| 3.3.1 相关定义 | 第30页 |
| 3.3.2 RPT 模型的建立 | 第30-31页 |
| 3.4 实验仿真 | 第31-35页 |
| 3.4.1 数据集描述 | 第31-32页 |
| 3.4.2 实验结果分析 | 第32-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 微博用户影响力度量算法 | 第37-47页 |
| 4.1 引言 | 第37页 |
| 4.2 微博用户影响力分析 | 第37-40页 |
| 4.2.1 影响力定义 | 第37-38页 |
| 4.2.2 微博用户影响力关键因素分析 | 第38-40页 |
| 4.3 微博网络影响力模型 | 第40-42页 |
| 4.3.1 影响力网络定义 | 第40-41页 |
| 4.3.2 网络权值的计算 | 第41-42页 |
| 4.4 影响力度量算法 | 第42-43页 |
| 4.4.1 影响力转移矩阵 | 第42页 |
| 4.4.2 MIR-IM 算法的提出 | 第42-43页 |
| 4.5 MIR-IM 算法结果分析 | 第43-46页 |
| 4.5.1 数据集描述 | 第43-44页 |
| 4.5.2 实验结果与分析 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 微博网络影响力最大化算法 | 第47-57页 |
| 5.1 引言 | 第47页 |
| 5.2 问题描述 | 第47-48页 |
| 5.3 影响力传播模型 | 第48-50页 |
| 5.3.1 经典的影响力传播模型 | 第48-49页 |
| 5.3.2 扩展的线性阈值模型 | 第49-50页 |
| 5.4 基于 ELTM 的微博网络影响力最大化算法 | 第50-52页 |
| 5.5 实验仿真 | 第52-55页 |
| 5.5.1 数据集描述 | 第52-53页 |
| 5.5.2 对比算法 | 第53页 |
| 5.5.3 实验结果 | 第53-55页 |
| 5.6 本章小结 | 第55-57页 |
| 第六章 结束语 | 第57-59页 |
| 6.1 结论 | 第57页 |
| 6.2 本文的主要创新点 | 第57-58页 |
| 6.3 下一步研究工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第64页 |
| 一、个人简历 | 第64页 |
| 二、攻读硕士学位期间发表和完成的学术论文 | 第64页 |
| 三、攻读硕士学位期间的科研情况 | 第64页 |