基于谣言路径树的社交网络抑制谣言研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 研究综述 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 本论文主要研究内容 | 第10-13页 |
| 1.3 本文的组织结构 | 第13-14页 |
| 第2章 相关工作 | 第14-22页 |
| 2.1 国内外研究现状 | 第14-18页 |
| 2.1.1 国内研究现状 | 第14-15页 |
| 2.1.2 国外研究现状 | 第15-18页 |
| 2.2 传播模型介绍 | 第18-20页 |
| 2.2.1 社交网络定义 | 第18页 |
| 2.2.2 信息传播模型 | 第18-19页 |
| 2.2.3 权重模型 | 第19页 |
| 2.2.4 熵值模型 | 第19-20页 |
| 2.3 问题定义与解决方案概述 | 第20-22页 |
| 第3章 单一节点属性计算 | 第22-26页 |
| 3.1 引言 | 第22页 |
| 3.2 计算节点权重与传播概率 | 第22-23页 |
| 3.3 计算节点影响力 | 第23-24页 |
| 3.4 计算节点风险程度 | 第24-25页 |
| 3.5 本章小结 | 第25-26页 |
| 第4章 真相节点的选择 | 第26-33页 |
| 4.1 引言 | 第26页 |
| 4.2 生成RP树 | 第26-30页 |
| 4.3 更新节点分数与节点选择 | 第30-32页 |
| 4.4 本章小节 | 第32-33页 |
| 第5章 实验平台搭建和实验结果对比与分析 | 第33-51页 |
| 5.1 引言 | 第33页 |
| 5.2 基于Scrapy的网络爬虫软件 | 第33-37页 |
| 5.2.1 网络爬虫介绍 | 第33-35页 |
| 5.2.2 Scrapy框架介绍 | 第35-37页 |
| 5.3 Neo4j图形数据库 | 第37-41页 |
| 5.3.1 图数据库 | 第37-39页 |
| 5.3.2 Neo4j数据库介绍 | 第39-41页 |
| 5.4 实验训练集与实验参数设定 | 第41-43页 |
| 5.5 对比实验 | 第43-50页 |
| 5.6 本章小节 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 附录A 攻读学位期间所发表的学术论文 | 第57-58页 |
| 附录B 攻读学位期间所参加的科研项目 | 第58页 |
