| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-9页 |
| 绪论 | 第9-16页 |
| ·课题背景 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·影响最大化问题的研究现状 | 第10-11页 |
| ·用户偏好分析中的研究现状 | 第11-12页 |
| ·研究目标与内容 | 第12-14页 |
| ·研究目标 | 第12页 |
| ·研究内容 | 第12-14页 |
| ·课题创新 | 第14页 |
| ·论文的组织结构 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 影响最大化问题 | 第16-25页 |
| ·概述 | 第16页 |
| ·问题定义 | 第16-17页 |
| ·社交网络 | 第16-17页 |
| ·影响最大化问题定义 | 第17页 |
| ·传播模型 | 第17-19页 |
| ·线性阈值模型 | 第17-18页 |
| ·独立级联模型 | 第18页 |
| ·其他模型 | 第18-19页 |
| ·近似计算策略及精确度保证 | 第19-20页 |
| ·子模性 | 第19-20页 |
| ·贪婪策略 | 第20页 |
| ·精确度保证 | 第20页 |
| ·典型算法 | 第20-23页 |
| ·常规贪婪算法（General Greed y ） | 第21-22页 |
| ·CELF | 第22页 |
| ·其他改进算法 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 用户偏好分析 | 第25-33页 |
| ·概述 | 第25页 |
| ·基于内容的向量空间模型 | 第25-28页 |
| ·TF-IDF | 第25-26页 |
| ·向量空间模型 | 第26-27页 |
| ·余弦相似度 | 第27-28页 |
| ·基于奇异值分解的潜在语义索引 | 第28-31页 |
| ·协同过滤 | 第28-29页 |
| ·基于奇异值分解的潜在语义索引 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 基于话题的影响最大化问题 | 第33-48页 |
| ·概述 | 第33页 |
| ·问题定义 | 第33-36页 |
| ·考虑用户偏好的社交网络影响传播 | 第34-35页 |
| ·基于话题的影响最大化问题定义 | 第35-36页 |
| ·设计框架 | 第36-37页 |
| ·两阶段算法 | 第36页 |
| ·符号定义 | 第36-37页 |
| ·用户偏好建模 | 第37-42页 |
| ·文本相似度 | 第38-40页 |
| ·协同过滤 | 第40-42页 |
| ·基于用户偏好的贪婪算法 | 第42-47页 |
| ·扩展的独立级联模型 | 第42页 |
| ·基于EIC 的贪婪算法 | 第42-43页 |
| ·精确度保证 | 第43-45页 |
| ·时间复杂度以及CELF 优化 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 实验结果 | 第48-65页 |
| ·概述 | 第48页 |
| ·实验数据集 | 第48-51页 |
| ·DBLP 数据集 | 第48-49页 |
| ·XM L 数据集解析 | 第49-50页 |
| ·合作者网络 | 第50-51页 |
| ·两种偏好建模方式比较 | 第51-53页 |
| ·实验标准 | 第51页 |
| ·实验结果 | 第51-53页 |
| ·基于话题的影响最大化问题实验 | 第53-56页 |
| ·实验对比算法 | 第53-54页 |
| ·实验标准 | 第54页 |
| ·实验结果 | 第54-56页 |
| ·两个标准的比较 | 第56-57页 |
| ·领域内专家挖掘 | 第57-63页 |
| ·领域内专家挖掘介绍 | 第57-59页 |
| ·实验对比算法 | 第59-60页 |
| ·实验结果 | 第60-63页 |
| ·本章小结 | 第63-65页 |
| 总结与展望 | 第65-67页 |
| ·工作总结 | 第65-66页 |
| ·下一步工作 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间已发表或录用的论文 | 第72-74页 |