| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 引言 | 第9-13页 |
| 1.1 课题研究背景 | 第9-11页 |
| 1.2 作者主要的研究工作 | 第11页 |
| 1.3 论文的结构 | 第11-13页 |
| 第二章 复杂网络综述 | 第13-28页 |
| 2.1 复杂网络简介 | 第13-15页 |
| 2.2 复杂网络模型 | 第15-22页 |
| 2.2.1 Erdos与Renyi随机图 | 第15-17页 |
| 2.2.2 Watts和Strogatz小世界模型 | 第17-19页 |
| 2.2.3 广义随机图 | 第19页 |
| 2.2.4 BA无尺度网络模型 | 第19-21页 |
| 2.2.5 社区网络结构 | 第21-22页 |
| 2.3 聚集与循环 | 第22-25页 |
| 2.3.1 集聚系数 | 第23-24页 |
| 2.3.2 循环系数 | 第24-25页 |
| 2.4 度分布和相关性 | 第25-27页 |
| 2.5 小结 | 第27-28页 |
| 第三章 新浪微博的复杂网络研究 | 第28-41页 |
| 3.1 新浪微博的集聚系数与度分布 | 第28-34页 |
| 3.1.1 新浪微博度分布 | 第29-33页 |
| 3.1.2 新浪微博集聚系数 | 第33-34页 |
| 3.2 基于复杂网络的社团结构发现 | 第34-39页 |
| 3.2.1 新浪微博社团发现算法 | 第34-35页 |
| 3.2.2 K-means聚类算法 | 第35-37页 |
| 3.2.3 结果展示 | 第37-39页 |
| 3.3 小结 | 第39-41页 |
| 第四章 新浪微博用户兴趣建模 | 第41-57页 |
| 4.1 兴趣建模简介 | 第41页 |
| 4.2 LDA原理 | 第41-49页 |
| 4.2.1 主题生成模型 | 第42-44页 |
| 4.2.2 LDA模型 | 第44-45页 |
| 4.2.3 MCMC和Gibbs抽样 | 第45-49页 |
| 4.3 特征传播兴趣建模算法 | 第49-56页 |
| 4.3.1 基于LDA的微博特征提取 | 第49-50页 |
| 4.3.2 特征传播 | 第50-54页 |
| 4.3.3 验证分析 | 第54-56页 |
| 4.4 小结 | 第56-57页 |
| 第五章 结束语 | 第57-59页 |
| 5.1 论文工作总结 | 第57页 |
| 5.2 进一步的研究工作 | 第57-59页 |
| 缩略语 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表或已录用的学术论文、专利申请 | 第64页 |