| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·问题提出 | 第11-15页 |
| ·Web 病毒式营销 | 第11-12页 |
| ·社会网络（Social Network） | 第12-13页 |
| ·Web 病毒式营销中的数据挖掘 | 第13-15页 |
| ·国内外研究现状 | 第15-17页 |
| ·国外现状 | 第15-16页 |
| ·国内现状 | 第16-17页 |
| ·论文主要工作 | 第17-19页 |
| 第2章 Web 病毒式营销与信息扩散模型 | 第19-26页 |
| ·Web 病毒式营销 | 第19-20页 |
| ·Web 病毒式营销的原理 | 第19-20页 |
| ·病毒式营销信息传播的数学表达 | 第20页 |
| ·社会网络的特征 | 第20-21页 |
| ·信息扩散模型（Diffusion Models） | 第21-25页 |
| ·Bass 模型 | 第22页 |
| ·线性阈值模型（Linear Threshold Model） | 第22-24页 |
| ·独立级联模型（Independent Cascade Model） | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 病毒式营销中的数据挖掘技术 | 第26-41页 |
| ·核心群体的挖掘 | 第26-27页 |
| ·概率模型 | 第27-29页 |
| ·相关定义 | 第29-31页 |
| ·基于客户信任网络的产品信息扩散CTNBDPI（Customer Trust Network Based Diffusion of Product Information）模型 | 第31-33页 |
| ·核心群体挖掘算法 | 第33-38页 |
| ·核心群体挖掘算法1——VMCGM（Viral Marketing Core Group Mining | 第34-36页 |
| ·核心群体挖掘算法2——E-VMCGM（Enhanced Viral Marketing Core Group Mining） | 第36-38页 |
| ·算法的复杂度分析 | 第38页 |
| ·病毒式营销策略的全局优化 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 核心群体的动态挖掘算法 | 第41-51页 |
| ·客户信任网络的动态性 | 第41-42页 |
| ·网络更新日志（Network Chang Log）模型 | 第42-46页 |
| ·核心群体动态挖掘算法DMCG（Dynamically Mining Core Group） | 第46-50页 |
| ·算法思想 | 第46-47页 |
| ·算法描述 | 第47-49页 |
| ·算法复杂度分析 | 第49-50页 |
| ·负面影响的控制 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第5章 Web 病毒式营销中挖掘技术的验证 | 第51-59页 |
| ·实验准备 | 第51-53页 |
| ·实验数据 | 第51-52页 |
| ·实验环境 | 第52-53页 |
| ·产品扩散模型与核心群体挖掘算法的验证 | 第53-56页 |
| ·核心群体挖掘算法的时间性能分析 | 第53-54页 |
| ·核心群体大小对网络覆盖率的影响 | 第54页 |
| ·孤立点对网络覆盖率的影响 | 第54-55页 |
| ·与已有模型的比较 | 第55-56页 |
| ·核心群体动态挖掘算法的验证 | 第56-58页 |
| ·DMCG 算法的时间性能分析 | 第56-57页 |
| ·单次营销策略与连续型营销策略比较 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第65页 |
