| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-26页 |
| 1.1 研究的目的和意义 | 第12-14页 |
| 1.2 国内外研究现状及分析 | 第14-22页 |
| 1.2.1 社区发现算法现状分析 | 第14-17页 |
| 1.2.2 社会影响传播模型现状分析 | 第17-18页 |
| 1.2.3 影响最大化问题现状分析 | 第18-22页 |
| 1.3 本论文研究内容 | 第22-24页 |
| 1.3.1 影响最大化算法的改进策略研究 | 第22-23页 |
| 1.3.2 基于社会影响主题偏好的影响最大化问题研究 | 第23页 |
| 1.3.3 基于竞争环境的影响抑制最大化问题研究 | 第23-24页 |
| 1.4 论文结构 | 第24-26页 |
| 第2章 基于信息传播的社区发现问题研究 | 第26-48页 |
| 2.1 引言 | 第26-28页 |
| 2.2 相关概念 | 第28-29页 |
| 2.3 基于信息传播的社区发现算法设计 | 第29-40页 |
| 2.3.1 局部社区发现 | 第30-36页 |
| 2.3.2 局部社区合并 | 第36-38页 |
| 2.3.3 DC_ID算法的实现 | 第38-39页 |
| 2.3.4 复杂性分析 | 第39-40页 |
| 2.4 实例分析 | 第40-42页 |
| 2.5 实验与仿真分析 | 第42-46页 |
| 2.5.1 数据集 | 第42-43页 |
| 2.5.2 评价指标 | 第43-44页 |
| 2.5.3 实验效果及分析 | 第44-46页 |
| 2.6 本章小结 | 第46-48页 |
| 第3章 基于社区结构的影响最大化问题研究 | 第48-59页 |
| 3.1 引言 | 第48页 |
| 3.2 协作博弈和SHAPLEY值 | 第48-49页 |
| 3.3 基于社区结构的影响最大化算法 | 第49-53页 |
| 3.3.1 信息传播合作博弈 | 第50-51页 |
| 3.3.2 每个社区待挖掘关键节点数的确定 | 第51页 |
| 3.3.3 桥节点的发现 | 第51页 |
| 3.3.4 影响节点的发现 | 第51-53页 |
| 3.3.5 CGINA算法的时间复杂度分析 | 第53页 |
| 3.4 实验 | 第53-57页 |
| 3.4.1 实验环境 | 第53-54页 |
| 3.4.2 实验结果 | 第54-57页 |
| 3.5 本章小结 | 第57-59页 |
| 第4章 基于信息偏好的影响最大化问题研究 | 第59-75页 |
| 4.1 引言 | 第59-60页 |
| 4.2 E_IC模型及其影响最大化问题 | 第60-62页 |
| 4.2.1 E_IC模型 | 第60-61页 |
| 4.2.2 E_IC模型的性质 | 第61-62页 |
| 4.2.3 基于E_IC模型的影响最大化问题 | 第62页 |
| 4.3 算法设计 | 第62-68页 |
| 4.3.1 用户偏好的计算 | 第62-64页 |
| 4.3.2 基于用户信息偏好的影响最大化算法L_GAUP | 第64-68页 |
| 4.4 实验分析 | 第68-73页 |
| 4.4.1 实验环境 | 第69-70页 |
| 4.4.2 易感染阈值l对L_GAUP算法的影响 | 第70-71页 |
| 4.4.3 L_GAUP与GAUP和CELF的比较 | 第71-73页 |
| 4.5 本章小结 | 第73-75页 |
| 第5章 集成负面影响传播的影响最大化问题研究 | 第75-94页 |
| 5.1 引言 | 第75页 |
| 5.2 相关文献 | 第75-76页 |
| 5.2.1 影响传播模型 | 第75-76页 |
| 5.2.2 影响最大化问题 | 第76页 |
| 5.3 LTN模型及其性质 | 第76-79页 |
| 5.3.1 LTN模型 | 第76-78页 |
| 5.3.2 LTN模型的性质 | 第78-79页 |
| 5.4 基于LTN模型的影响最大化算法 | 第79-89页 |
| 5.4.1 KK_Greedy算法 | 第80-81页 |
| 5.4.2 KK_Greedy算法的改进 | 第81-89页 |
| 5.5 实验 | 第89-93页 |
| 5.5.1 数据集 | 第90页 |
| 5.5.2 实验结果 | 第90-93页 |
| 5.6 本章小结 | 第93-94页 |
| 第6章 基于竞争环境的影响抑制最大化问题研究 | 第94-123页 |
| 6.1 引言 | 第94-95页 |
| 6.2 相关工作 | 第95-102页 |
| 6.2.1 影响最大化问题 | 第95-97页 |
| 6.2.2 影响传播模型 | 第97-102页 |
| 6.3 影响抑制最大化问题 | 第102-104页 |
| 6.3.1 问题定义 | 第102-103页 |
| 6.3.2 IBM问题的相关性质 | 第103-104页 |
| 6.4 算法设计 | 第104-115页 |
| 6.4.1 基于贪心策略的IBM算法 | 第104-106页 |
| 6.4.2 基于社区结构的IBM算法CB_IBM | 第106-115页 |
| 6.5 实验 | 第115-121页 |
| 6.5.1 实验环境 | 第115-116页 |
| 6.5.2 带有Greedy算法的实验结果 | 第116-119页 |
| 6.5.3 不包含Greedy算法的实验结果 | 第119-120页 |
| 6.5.4 影响阈值η 对算法CB_IBM的作用 | 第120-121页 |
| 6.6 本章小结 | 第121-123页 |
| 结论 | 第123-125页 |
| 参考文献 | 第125-133页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第133-135页 |
| 致谢 | 第135-136页 |
| 作者简介 | 第136页 |
