| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 目录 | 第5-7页 |
| 第1章 绪论 | 第7-14页 |
| 1.1 选题背景及研究目的和意义 | 第7-9页 |
| 1.1.1 选题背景 | 第7-8页 |
| 1.1.2 研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状分析及评述 | 第9-12页 |
| 1.2.1 国内外对微博群体网络的研究现状分析 | 第9-11页 |
| 1.2.2 国内外研究现状评述 | 第11-12页 |
| 1.3 本文研究的主要内容 | 第12-14页 |
| 第2章 微博群体网络理论 | 第14-23页 |
| 2.1 概念阐释 | 第14-16页 |
| 2.1.1 复杂网络的概念 | 第14页 |
| 2.1.2 复杂网络的统计特征 | 第14-15页 |
| 2.1.3 复杂网络的模型 | 第15-16页 |
| 2.2 微博中的群体发现理论 | 第16-19页 |
| 2.2.1 群体结构的定义 | 第16-17页 |
| 2.2.2 群体的发现算法 | 第17-19页 |
| 2.3 社会网络分析方法 | 第19-21页 |
| 2.3.1 网络的密度 | 第19页 |
| 2.3.2 网络的中心性 | 第19-20页 |
| 2.3.3 派系分析 | 第20页 |
| 2.3.4 网络关联性分析 | 第20-21页 |
| 2.3.5 核心-边缘结构分析 | 第21页 |
| 2.4 网络分析软件 UCINET 和 PAJEK | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 微博群体网络结构分析 | 第23-43页 |
| 3.1 微博样本数据获取与处理 | 第23-27页 |
| 3.1.1 微博数据的特点 | 第23页 |
| 3.1.2 微博中群体的特点 | 第23-24页 |
| 3.1.3 微博群体数据的选择和获取 | 第24-26页 |
| 3.1.4 微博数据的预处理 | 第26-27页 |
| 3.2 微博群体用户行为分析以及实验验证 | 第27-32页 |
| 3.2.1 用户行为分析 | 第27-30页 |
| 3.2.2 相关性分析 | 第30-32页 |
| 3.3 微博群体的网络基本特征分析 | 第32-41页 |
| 3.3.1 关注网络的构建 | 第32-33页 |
| 3.3.2 网络密度 | 第33-34页 |
| 3.3.3 中心性分析 | 第34-36页 |
| 3.3.4 小团体分析 | 第36-38页 |
| 3.3.5 小世界效应分析 | 第38-39页 |
| 3.3.6 核心边缘结构分析 | 第39-41页 |
| 3.4 实验结果分析 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 微博群体核心用户识别方法 | 第43-51页 |
| 4.1 基于中心性的核心用户发现 | 第43-44页 |
| 4.1.1 中心性 | 第43-44页 |
| 4.1.2 实验分析 | 第44页 |
| 4.2 基于用户活跃度指数的综合排名机制 | 第44-48页 |
| 4.2.1 AHP 层次分析法 | 第44-45页 |
| 4.2.2 基于 AHP 层次方法的用户活跃综合指数 | 第45-47页 |
| 4.2.3 实验结果分析 | 第47-48页 |
| 4.3 G 指数方法的核心用户识别 | 第48-50页 |
| 4.3.1 微博中 G 指数的含义 | 第49页 |
| 4.3.2 实验分析 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间发表的学术论文 | 第56-58页 |
| 致谢 | 第58页 |