| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号说明 | 第10-11页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 社交网络的发展 | 第11页 |
| 1.2 社交网络分析研究背景 | 第11-13页 |
| 1.2.1 信息传播研究 | 第12页 |
| 1.2.2 个性化推荐 | 第12-13页 |
| 1.2.3 用户行为度量 | 第13页 |
| 1.3 社交网络采样 | 第13-17页 |
| 1.3.1 采样技术定义 | 第14页 |
| 1.3.2 采样的必要性 | 第14-15页 |
| 1.3.3 采样目标 | 第15-17页 |
| 1.4 本文主要研究内容与贡献 | 第17-18页 |
| 1.5 本文的组织结构 | 第18-19页 |
| 第2章 社交网络采样技术及应用相关研究 | 第19-33页 |
| 2.1 常见的社交网络采样技术 | 第19-20页 |
| 2.1.1 节点采样 | 第19页 |
| 2.1.2 边采样 | 第19-20页 |
| 2.1.3 遍历采样 | 第20页 |
| 2.2 影响力最大化问题的算法与采样技术 | 第20-26页 |
| 2.2.1 问题定义 | 第21-22页 |
| 2.2.2 传播模型 | 第22-23页 |
| 2.2.3 蒙特卡洛仿真采样 | 第23-24页 |
| 2.2.4 启发式算法 | 第24-26页 |
| 2.3 个性化PageRank的算法与采样技术 | 第26-31页 |
| 2.3.1 问题定义 | 第27-29页 |
| 2.3.2 矩阵计算 | 第29-30页 |
| 2.3.3 启发式算法 | 第30-31页 |
| 2.4 本文的研究意义 | 第31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 基于随机反向可达集的采样技术及其应用 | 第33-57页 |
| 3.1 随机反向可达集采样技术 | 第33-35页 |
| 3.1.1 随机反向可达集与影响力最大化问题 | 第33-34页 |
| 3.1.2 随机反向可达集的代表性应用 | 第34-35页 |
| 3.2 有影响力的活动组织问题 | 第35-38页 |
| 3.2.1 问题定义 | 第36-37页 |
| 3.2.2 相关工作 | 第37-38页 |
| 3.3 替代问题的构建 | 第38-39页 |
| 3.4 基于影响力Oracle假设的算法 | 第39-41页 |
| 3.5 基于随机反向可达集采样的算法 | 第41-51页 |
| 3.5.1 基于随机反向可达集的影响力估计方法 | 第42页 |
| 3.5.2 IEO1: 个次性生成全部所需样本的算法 | 第42-47页 |
| 3.5.3 IEO2:采样与求解交替进行的算法 | 第47-51页 |
| 3.6 算法性能理论分析 | 第51-54页 |
| 3.7 本章小结 | 第54-57页 |
| 第4章 基于随机游走的采样技术及其应用 | 第57-69页 |
| 4.1 随机游走采样技术 | 第57-62页 |
| 4.1.1 静态网络上的随机游走 | 第57-59页 |
| 4.1.2 时态网络上的随机游走 | 第59-62页 |
| 4.2 时态网络上的个性化PageRank问题 | 第62-63页 |
| 4.3 基于矩阵计算的算法 | 第63-64页 |
| 4.4 基于随机游走采样的算法 | 第64-65页 |
| 4.5 算法优化 | 第65-66页 |
| 4.6 算法性能理论分析 | 第66-68页 |
| 4.7 本章小结 | 第68-69页 |
| 第5章 实验 | 第69-83页 |
| 5.1 有影响力的活动组织问题实验 | 第69-77页 |
| 5.1.1 实验设置 | 第69-72页 |
| 5.1.2 实验结果 | 第72-77页 |
| 5.2 时态网络上的个性化PageRank问题实验 | 第77-81页 |
| 5.2.1 实验设置 | 第77-78页 |
| 5.2.2 实验结果 | 第78-81页 |
| 5.3 本章小结 | 第81-83页 |
| 第6章 总结与展望 | 第83-87页 |
| 6.1 工作总结 | 第83-84页 |
| 6.2 未来工作方向 | 第84-87页 |
| 参考文献 | 第87-93页 |
| 致谢 | 第93-95页 |
| 在读期间发表的学术论文与取得的研究成果 | 第95页 |