| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-12页 |
| 1.1 课题研究背景与意义 | 第10页 |
| 1.2 论文的主要工作 | 第10-11页 |
| 1.3 论文的组织结构 | 第11-12页 |
| 第二章 信息扩散预测与表示学习相关技术 | 第12-30页 |
| 2.1 信息扩散预测综述 | 第12-15页 |
| 2.1.1 信息与用户 | 第13页 |
| 2.1.2 信息流 | 第13-14页 |
| 2.1.3 信息扩散网络 | 第14-15页 |
| 2.1.4 关系与关系向量 | 第15页 |
| 2.2 信息扩散预测主要模型 | 第15-18页 |
| 2.2.1 概率图模型 | 第15-16页 |
| 2.2.2 表示学习模型 | 第16-18页 |
| 2.3 表示学习综述 | 第18-28页 |
| 2.3.1 知识表示学习模型 | 第19-22页 |
| 2.3.2 语言表示学习模型 | 第22-26页 |
| 2.3.3 网络表示学习模型 | 第26-28页 |
| 2.4 小结 | 第28-30页 |
| 第三章 基于知识表示模型的信息扩散预测 | 第30-46页 |
| 3.1 引言 | 第30-31页 |
| 3.2 基于知识表示学习的信息扩散预测模型 | 第31-33页 |
| 3.3 信息扩散预测模型结构 | 第33-36页 |
| 3.3.1 向量训练部分 | 第33-35页 |
| 3.3.2 预测评价部分 | 第35-36页 |
| 3.4 数据与实验 | 第36-45页 |
| 3.4.1 实验数据集 | 第36-39页 |
| 3.4.2 评价指标 | 第39页 |
| 3.4.3 参考模型 | 第39-40页 |
| 3.4.4 参数设置 | 第40-41页 |
| 3.4.5 实验与结果分析 | 第41-45页 |
| 3.5 小结 | 第45-46页 |
| 第四章 基于表示学习的关系向量初始化与用户影响程度量化 | 第46-60页 |
| 4.1 引言 | 第46页 |
| 4.2 基于语言表示学习的关系向量初始化 | 第46-52页 |
| 4.2.1 基于词向量表示与篇章向量表示的关系向量初始化 | 第47-49页 |
| 4.2.2 实验与结果分析 | 第49-52页 |
| 4.3 基于表示学习的用户影响程度量化 | 第52-57页 |
| 4.3.1 基于网络表示学习的用户影响程度量化 | 第52-53页 |
| 4.3.2 基于WMD算法的用户影响程度量化 | 第53-54页 |
| 4.3.3 实验与结果分析 | 第54-57页 |
| 4.4 小结 | 第57-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间发表的学术论文名录 | 第68页 |