| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-30页 |
| ·研究背景和意义 | 第13-14页 |
| ·国内外研究现状 | 第14-28页 |
| ·社会化媒体的发展 | 第14-19页 |
| ·社会关注度研究现状 | 第19-27页 |
| ·存在的问题 | 第27-28页 |
| ·论文研究内容与组织结构 | 第28-30页 |
| 第2章 多来源社会关注度分布特征分析 | 第30-44页 |
| ·引言 | 第30-31页 |
| ·数据集 | 第31-35页 |
| ·数据类型 | 第31-32页 |
| ·数据采集 | 第32-33页 |
| ·数据代表性 | 第33-35页 |
| ·社会关注度分布特点分析 | 第35-40页 |
| ·全局分布特点分析 | 第35-39页 |
| ·局部分布特点分析 | 第39-40页 |
| ·各来源对社会关注度分布的影响分析 | 第40-43页 |
| ·对总体分布影响分析 | 第40-41页 |
| ·对个体份额影响分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第3章 基于 CUBM 的媒体对象预取缓存方法研究 | 第44-69页 |
| ·引言 | 第44-45页 |
| ·预取缓存必要性分析 | 第45-51页 |
| ·数据采集 | 第46-47页 |
| ·断点分析 | 第47-51页 |
| ·预取缓存架构 | 第51-53页 |
| ·基于CUBM的媒体对象预取方法 | 第53-62页 |
| ·用户行为建模方法 | 第53-55页 |
| ·基于全局行为模型计算相关度 | 第55-58页 |
| ·用户行为模型聚类 | 第58-60页 |
| ·基于 CUBM 的预取算法 | 第60-62页 |
| ·实验结果与分析 | 第62-67页 |
| ·实验数据集 | 第62-63页 |
| ·实验方案 | 第63页 |
| ·参照算法 | 第63-64页 |
| ·实验结果 | 第64-67页 |
| ·本章小结 | 第67-69页 |
| 第4章 基于随机游走的社会关注度传播模型 | 第69-83页 |
| ·引言 | 第69-70页 |
| ·背景知识 | 第70-71页 |
| ·传播机制分类 | 第70页 |
| ·随机游走模型 | 第70-71页 |
| ·基于随机游走的社会关注度传播模型（RWPPM） | 第71-76页 |
| ·RWPPM 模型的建立 | 第71-73页 |
| ·RWPPM 模型收敛性分析 | 第73-74页 |
| ·与相关模型功能比较 | 第74-76页 |
| ·RWPPM模型验证与应用 | 第76-82页 |
| ·数据集采集 | 第76-77页 |
| ·模型参数估算 | 第77页 |
| ·模型的验证 | 第77-78页 |
| ·基于 RWPPM 的社会关注度传播特性分析 | 第78-82页 |
| ·本章小结 | 第82-83页 |
| 第5章 基于 KTK 算法的社会关注度提高方法 | 第83-103页 |
| ·引言 | 第83-84页 |
| ·关键词作用的分析 | 第84-90页 |
| ·搜索依据分析 | 第84-87页 |
| ·推荐依据分析 | 第87-90页 |
| ·基于聚类分析和TFIDF的主题提取方法 | 第90-98页 |
| ·聚类算法的选择 | 第90-91页 |
| ·基于 MCL 的结点聚类 | 第91-94页 |
| ·基于 TFIDF 的主题提取 | 第94-98页 |
| ·基于KTK算法的社会关注度提高方法 | 第98-99页 |
| ·实验与结果分析 | 第99-102页 |
| ·相关性评估 | 第99-101页 |
| ·有效性评估 | 第101-102页 |
| ·本章小结 | 第102-103页 |
| 结论 | 第103-105页 |
| 参考文献 | 第105-115页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第115-117页 |
| 致谢 | 第117页 |