微博在线社会网络结构与用户影响力研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-28页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 研究意义 | 第15页 |
| 1.3 相关研究 | 第15-24页 |
| 1.3.1 在线社会网络结构分析 | 第16-21页 |
| 1.3.2 用户交互关系分析 | 第21-24页 |
| 1.4 本文贡献 | 第24-28页 |
| 第二章 微博在线社会网络结构分析 | 第28-47页 |
| 2.1 引言 | 第28-29页 |
| 2.2 新浪微博数据整理和分析 | 第29-34页 |
| 2.3 社会关系网络构建和社区划分 | 第34-40页 |
| 2.3.1 在线社会关系网络构建 | 第34-36页 |
| 2.3.2 新浪微博社区划分 | 第36-40页 |
| 2.4 新浪微博社区特性分析 | 第40-45页 |
| 2.5 本章小结 | 第45-47页 |
| 第三章 基于博弈论的社区划分 | 第47-70页 |
| 3.1 引言 | 第47-48页 |
| 3.2 现有算法 | 第48-50页 |
| 3.3 基于博弈论的算法 | 第50-59页 |
| 3.3.1 博弈论 | 第50-53页 |
| 3.3.2 博弈论混合策略社区划分模型 | 第53-56页 |
| 3.3.3 FNCAGT算法 | 第56-58页 |
| 3.3.4 LPAGT算法 | 第58-59页 |
| 3.4 实验和分析 | 第59-69页 |
| 3.4.1 结构对比 | 第59-67页 |
| 3.4.2 性能对比 | 第67-69页 |
| 3.5 本章小结 | 第69-70页 |
| 第四章 基于局部信息的社区抽取 | 第70-88页 |
| 4.1 引言 | 第70-72页 |
| 4.2 经典的局部社区抽取算法 | 第72-78页 |
| 4.2.1 R算法 | 第72-73页 |
| 4.2.2 M算法 | 第73-76页 |
| 4.2.3 L算法 | 第76-78页 |
| 4.3 基于W函数的W算法 | 第78-81页 |
| 4.4 实验与分析 | 第81-86页 |
| 4.4.1 在人工数据集上的实验 | 第81-85页 |
| 4.4.2 在真实数据集上的实验 | 第85-86页 |
| 4.5 本章小结 | 第86-88页 |
| 第五章 微博在线社会网络用户影响力评价 | 第88-108页 |
| 5.1 引言 | 第88-89页 |
| 5.2 经典评价模型 | 第89-91页 |
| 5.3 本文评价模型 | 第91-98页 |
| 5.3.1 电磁场相关概念 | 第91-92页 |
| 5.3.2 微博博主源 | 第92-95页 |
| 5.3.3 用户影响力评价模型 | 第95-98页 |
| 5.4 实验与分析 | 第98-106页 |
| 5.4.1 三种影响力评价指标的比较 | 第99-102页 |
| 5.4.2 与PageRank算法的比较 | 第102-104页 |
| 5.4.3 微博用户当前影响力 | 第104-106页 |
| 5.5 本章小结 | 第106-108页 |
| 第六章 总结 | 第108-112页 |
| 6.1 工作总结 | 第108-110页 |
| 6.2 未来展望 | 第110-112页 |
| 参考文献 | 第112-121页 |
| 致谢 | 第121-123页 |
| 在学期间的研究成果及发表的学术论文 | 第123-124页 |
