| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 引言 | 第8-13页 |
| ·研究背景 | 第8-9页 |
| ·课题的提出 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·文章结构 | 第12-13页 |
| 第二章 微博的特征及其传播机制 | 第13-19页 |
| ·微博的概念 | 第13页 |
| ·微博的特征 | 第13-14页 |
| ·微博功能 | 第14-15页 |
| ·微博信息传播机制分析 | 第15-18页 |
| ·微博信息传播与传统信息传播的特点 | 第15-16页 |
| ·微博客信息传播机制分析 | 第16-18页 |
| ·微博的影响力 | 第18-19页 |
| ·微博影响力的概念 | 第18页 |
| ·用户行为对影响力的度量 | 第18-19页 |
| 第三章 微博数据的获取及其研究 | 第19-25页 |
| ·新浪微博开放平台简介 | 第19页 |
| ·微博数据获取方法 | 第19-21页 |
| ·OAuth 用户身份认证 | 第19-20页 |
| ·API 信息提取方案 | 第20-21页 |
| ·微博数据集分析 | 第21-25页 |
| 第四章 基于改进 pagerank 算法的影响力模型 | 第25-37页 |
| ·Pagerank 算法的介绍 | 第25页 |
| ·Pagerank 算法数学模型 | 第25-26页 |
| ·Pagerank 算法的举例 | 第26-29页 |
| ·pagerank 算法计算 | 第28-29页 |
| ·微博影响力的研究内容 | 第29-30页 |
| ·僵尸粉的概念 | 第29页 |
| ·微博影响力现有研究情况 | 第29-30页 |
| ·微博用户影响力模型的提出 | 第30-32页 |
| ·UR 值模型的求解 | 第32-35页 |
| ·马尔科夫过程 | 第32-33页 |
| ·基于马尔科夫过程计算 UR 值 | 第33-35页 |
| ·收敛性分析 | 第35页 |
| ·实验结果分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 基于贝叶斯概率改进的影响力模型 | 第37-47页 |
| ·转发概率 | 第37-39页 |
| ·基于贝叶斯概率影响力量化模型 | 第39-45页 |
| ·贝叶斯概率定义 | 第39-42页 |
| ·先验概率 | 第42-44页 |
| ·后验概率 | 第44-45页 |
| ·基于贝叶斯概率改进模型 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 实验验证 | 第47-54页 |
| ·实验数据来源 | 第47-49页 |
| ·实验结果分析 | 第49-53页 |
| ·过滤僵尸粉的实验分析 | 第49-51页 |
| ·基于贝叶斯转发概率模型的实验分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |