基于正负反馈的微博舆情传染病模型的研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 自顶向下模式社交舆情传播模型 | 第12-14页 |
| 1.2.2 传染病动力学理论研究现状 | 第14页 |
| 1.2.3 传染病动力学在舆情传播中的应用 | 第14-15页 |
| 1.3 研究目标和内容 | 第15-17页 |
| 1.4 本章小结 | 第17-18页 |
| 2 相关背景知识概述 | 第18-25页 |
| 2.1 社交网络 | 第18-19页 |
| 2.2 动态小世界网络模型 | 第19-21页 |
| 2.3 传染病动力学 | 第21-22页 |
| 2.4 微博数据采集 | 第22-24页 |
| 2.4.1 数据集选择 | 第22-23页 |
| 2.4.2 数据抓取 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 网络水军及僵尸粉的识别 | 第25-33页 |
| 3.1 水军用户的微博特征分析 | 第25-29页 |
| 3.1.1 微博水军的特征分析 | 第25-26页 |
| 3.1.2 基于综合指数熵值法的微博水军识别 | 第26-29页 |
| 3.2 微博僵尸粉的识别 | 第29-32页 |
| 3.2.1 微博僵尸粉的特征分析 | 第29-30页 |
| 3.2.2 基于贝叶斯理论的微博僵尸粉识别 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 4 基于正负反馈的SEIR网络建模 | 第33-38页 |
| 4.1 微博网络舆情各阵营的划分 | 第33-34页 |
| 4.2 基于正负反馈的微博舆情传染病动力学模型 | 第34-36页 |
| 4.3 系统转折点的求解分析 | 第36页 |
| 4.4 本章小结 | 第36-38页 |
| 5 模型测试及结果分析 | 第38-52页 |
| 5.1 微博网络的WS小世界 | 第38-39页 |
| 5.1.1 开发环境 | 第38页 |
| 5.1.2 数据爬取及小世界特性验证 | 第38-39页 |
| 5.2 舆情模型各阵营人员流动 | 第39-44页 |
| 5.2.1 各阵营人员划分 | 第39页 |
| 5.2.2 微博水军和僵尸粉的识别 | 第39-40页 |
| 5.2.3 各阵营人员流动情况 | 第40-44页 |
| 5.3 网络舆情走势影响因素分析 | 第44-51页 |
| 5.4 本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-55页 |
| 6.1 工作总结 | 第52-53页 |
| 6.2 研究展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录1攻读硕士学位期间参与的项目和发表的论文 | 第59页 |
