基于微博信息扩散的链接预测研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 课题的研究背景和意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-17页 |
| 1.2.1 信息推荐研究现状 | 第10-15页 |
| 1.2.2 好友推荐研究现状 | 第15-17页 |
| 1.3 课题研究内容 | 第17-18页 |
| 1.4 论文内容组织结构 | 第18-19页 |
| 第2章 微博媒体分析技术研究 | 第19-28页 |
| 2.1 微博媒体简介 | 第19-20页 |
| 2.2 微博人物数据获取 | 第20-22页 |
| 2.3 微博媒体分析技术介绍 | 第22-27页 |
| 2.3.1 微博媒体网络表示方法 | 第22-23页 |
| 2.3.2 微博媒体网络统计特征 | 第23-25页 |
| 2.3.3 微博媒体网络建模 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于信息扩散的节点相似性链接预测研究 | 第28-46页 |
| 3.1 引言 | 第28页 |
| 3.2 微博媒体信息扩散影响链接预测分析 | 第28-30页 |
| 3.3 实验与结果分析 | 第30-45页 |
| 3.3.1 实验数据集介绍 | 第30页 |
| 3.3.2 实验评价策略 | 第30-31页 |
| 3.3.3 实验策略与结果分析 | 第31-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 基于信息扩散的分类链接预测研究 | 第46-53页 |
| 4.1 引言 | 第46页 |
| 4.2 基于信息扩散的朴素贝叶斯分类链接预测算法 | 第46-48页 |
| 4.3 基于信息扩散的 SVM 分类链接预测算法 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 基于信息扩散的随机游走链接预测研究 | 第53-60页 |
| 5.1 引言 | 第53页 |
| 5.2 基于信息扩散的随机游走链接预测算法分析 | 第53-55页 |
| 5.3 实验与结果分析 | 第55-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67页 |
