社交媒体上消息流行度预测算法的研究
摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第10-16页 |
1.1 研究工作的背景与意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-14页 |
1.2.1 社交媒体的研究现状 | 第11-12页 |
1.2.2 流行度预测研究现状 | 第12-14页 |
1.3 论文的主要工作与创新 | 第14-15页 |
1.4 论文的结构安排 | 第15-16页 |
第二章 相关技术基础 | 第16-29页 |
2.1 流行度预测方法 | 第16-18页 |
2.1.1 发布前预测 | 第16页 |
2.1.2 发布后预测 | 第16页 |
2.1.3 基于分类的方法 | 第16-17页 |
2.1.4 基于回归分析的方法 | 第17页 |
2.1.5 基于社会影响的方法 | 第17页 |
2.1.6 基于点过程的方法 | 第17-18页 |
2.2 生存分析 | 第18-20页 |
2.3 常用的分类和回归方法 | 第20-24页 |
2.3.1 支持向量机 | 第20-21页 |
2.3.2 逻辑回归 | 第21-22页 |
2.3.3 线性回归 | 第22-24页 |
2.4 主成分分析 | 第24-25页 |
2.5 最优化方法 | 第25-28页 |
2.5.1 梯度下降法 | 第25-27页 |
2.5.2 牛顿法 | 第27页 |
2.5.3 高斯牛顿法 | 第27-28页 |
2.5.4 列文伯格算法 | 第28页 |
2.6 本章小结 | 第28-29页 |
第三章 基于分类的流行度预测方法 | 第29-51页 |
3.1 问题的提出 | 第29-30页 |
3.2 问题描述 | 第30-31页 |
3.2.1 转发网络结构 | 第30-31页 |
3.2.2 转发序列 | 第31页 |
3.2.3 目标 | 第31页 |
3.3 实验设计 | 第31-35页 |
3.3.1 数据集 | 第31-35页 |
3.3.2 实验方法及过程 | 第35页 |
3.4 实验结果及分析 | 第35-49页 |
3.4.1 推文转发延时分析 | 第35-37页 |
3.4.2 转发特征分析 | 第37-42页 |
3.4.3 转发分类预测 | 第42-47页 |
3.4.4 主成分分析 | 第47-49页 |
3.5 本章小结 | 第49-51页 |
第四章 基于疾病传播模型的流行度预测方法 | 第51-68页 |
4.1 问题的提出和相关工作 | 第51-52页 |
4.2 基于疾病传播模型的流行度预测方法 | 第52-59页 |
4.2.1 问题描述 | 第52-53页 |
4.2.2 疾病传播模型 | 第53页 |
4.2.3 实验模型 | 第53-56页 |
4.2.4 参数估计 | 第56-59页 |
4.3 实验设计 | 第59-62页 |
4.3.1 数据集 | 第59页 |
4.3.2 对比算法 | 第59-60页 |
4.3.3 实验算法 | 第60页 |
4.3.4 评价指标 | 第60-61页 |
4.3.5 实验方法及过程 | 第61-62页 |
4.4 实验结果及分析 | 第62-67页 |
4.5 本章小结 | 第67-68页 |
第五章 总结与展望 | 第68-70页 |
5.1 总结 | 第68-69页 |
5.2 展望 | 第69-70页 |
致谢 | 第70-71页 |
参考文献 | 第71-75页 |
攻读硕士学位期间取得的成果 | 第75页 |