| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1. 研究目的和意义 | 第11-13页 |
| 1.2. 国内外研究现状及发展趋势 | 第13-15页 |
| 1.3. 本文主要研究工作 | 第15-16页 |
| 1.4. 章节安排 | 第16-17页 |
| 第2章 课题研究基础知识 | 第17-22页 |
| 2.1. 社会网络的定义 | 第17-18页 |
| 2.2. 社会网络中的影响传播 | 第18-20页 |
| 2.2.1. 传播模型 | 第18-19页 |
| 2.2.2. 算法评价指标 | 第19页 |
| 2.2.3. 贪心算法和启发式算法 | 第19-20页 |
| 2.3. 基于时间的影响力传播 | 第20-21页 |
| 2.4. 本章小结 | 第21-22页 |
| 第3章 不同营销模式中基于时间的影响传播算法 | 第22-48页 |
| 3.1. 引言 | 第22-24页 |
| 3.2. 传播模型及问题定义 | 第24-30页 |
| 3.2.1. 有效传播时间区间获取方法 | 第24-26页 |
| 3.2.2. 影响力分配模型 | 第26-29页 |
| 3.2.3. 问题定义 | 第29-30页 |
| 3.3. 基于真实时间的T-INF和HM-INF算法 | 第30-37页 |
| 3.3.1. 建立链表，计算节点初始影响力增益 | 第32-33页 |
| 3.3.2. 利用CELF优化选择具有最大影响力增益的节点 | 第33-34页 |
| 3.3.3. Co-influence算法-计算节点的影响力增益 | 第34-35页 |
| 3.3.4. 更新影响力 | 第35-36页 |
| 3.3.5. 复杂性和近似比 | 第36-37页 |
| 3.4. 实验结果与分析 | 第37-47页 |
| 3.4.1. 数据集及实验环境 | 第37-38页 |
| 3.4.2. 比较方法 | 第38-39页 |
| 3.4.3. 营销时间及种子个数对影响范围的影响 | 第39-41页 |
| 3.4.4. 时间及种子个数对运行时间的影响 | 第41-43页 |
| 3.4.5. 饥饿营销时间对种子个数和运行时间的影响 | 第43-45页 |
| 3.4.6. 验证用有效传播时间区间删减图结构的作用 | 第45页 |
| 3.4.7. 传播有效时间区间MMW和AVSW方法的准确性 | 第45-46页 |
| 3.4.8. HM-INF算法联机近似比证明 | 第46-47页 |
| 3.5. 本章小结 | 第47-48页 |
| 第4章 基于真实时间的影响概率优化算法 | 第48-62页 |
| 4.1. 引言 | 第48-49页 |
| 4.2. 影响传播项的形式化定义 | 第49-51页 |
| 4.2.1. 影响传播项的形式化表示 | 第49-50页 |
| 4.2.2. 综合影响概率形式化定义 | 第50-51页 |
| 4.3. 基于真实时间的影响概率优化算法 | 第51-53页 |
| 4.3.1. 基于真实时间的影响概率求解算法TAIP | 第51-52页 |
| 4.3.2. 学习影响项参数算法 | 第52-53页 |
| 4.4. 实验结果与分析 | 第53-61页 |
| 4.4.1. 数据集及实验环境 | 第53-54页 |
| 4.4.2. 比较方法 | 第54-55页 |
| 4.4.3. 不同时间对影响传播项的影响 | 第55-56页 |
| 4.4.4. 营销时间对参数的影响 | 第56-57页 |
| 4.4.5. 利用优化算法后的影响范围比较 | 第57-58页 |
| 4.4.6. 验证传播项的有效性 | 第58-59页 |
| 4.4.7. 参数对整体影响范围的影响 | 第59-61页 |
| 4.4.8. 测试集中验证参数有效性 | 第61页 |
| 4.5. 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间发表的学术论文及参加的科研项目 | 第70页 |
