| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.3 研究现状及分析 | 第11-19页 |
| 1.3.1 社交网络中用户影响力的定义及相关概念 | 第11-12页 |
| 1.3.2 国内外相关研究与分析 | 第12-15页 |
| 1.3.3 社交网络中用户影响力分析在企业界的应用现状 | 第15-19页 |
| 1.4 本文的主要研究内容 | 第19-21页 |
| 第2章 基于网络结构的用户影响力分析 | 第21-36页 |
| 2.1 引言 | 第21页 |
| 2.2 实验数据准备 | 第21-24页 |
| 2.3 基于用户本身特性的用户影响力分析 | 第24-29页 |
| 2.3.1 节点特性的选择 | 第24-25页 |
| 2.3.2 实验设计及结果 | 第25-27页 |
| 2.3.3 实验分析及结论 | 第27-29页 |
| 2.4 基于 PeopleRank 算法的用户影响力分析 | 第29-34页 |
| 2.4.1 PeopleRank 算法简介 | 第29-32页 |
| 2.4.2 实验设计及结果 | 第32-33页 |
| 2.4.3 实验分析及结论 | 第33-34页 |
| 2.5 基于用户本身特性的算法与 PeopleRank 算法的对比和分析 | 第34-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第3章 基于独立级联模型的用户影响力分析 | 第36-49页 |
| 3.1 引言 | 第36页 |
| 3.2 独立级联模型基本原理 | 第36-37页 |
| 3.3 基于独立级联模型的用户影响力分析 | 第37-46页 |
| 3.3.1 基础概率值的选择 | 第37页 |
| 3.3.2 基于独立级联模型计算单用户影响力 | 第37-38页 |
| 3.3.3 选择最优子集最大化影响力传播 | 第38-40页 |
| 3.3.4 实验设计及结果 | 第40-42页 |
| 3.3.5 实验分析及结论 | 第42-46页 |
| 3.4 基于网络结构与独立级联模型相结合的用户影响力分析 | 第46-48页 |
| 3.4.1 方案设计 | 第46-47页 |
| 3.4.2 实验分析及结论 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 基于线性阈值模型的用户影响力分析 | 第49-59页 |
| 4.1 引言 | 第49页 |
| 4.2 线性阈值模型基本原理 | 第49-50页 |
| 4.3 基于线性阈值模型的用户影响力分析 | 第50-57页 |
| 4.3.1 网络的初始化 | 第50-51页 |
| 4.3.2 基于线性阈值模型计算单用户影响力 | 第51-52页 |
| 4.3.3 选择最优子集最大化影响力传播 | 第52-53页 |
| 4.3.4 实验设计及结果 | 第53-55页 |
| 4.3.5 实验分析及结论 | 第55-57页 |
| 4.4 基于网络结构与线性阈值模型相结合的用户影响力分析 | 第57-58页 |
| 4.4.1 方案设计 | 第57-58页 |
| 4.4.2 实验结果分析及结论 | 第58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 社交网络用户影响力综合分析系统的设计与实现 | 第59-68页 |
| 5.1 引言 | 第59页 |
| 5.2 多模型的分析与融合 | 第59-63页 |
| 5.3 综合分析系统的设计 | 第63-64页 |
| 5.4 影响力综合分析演示系统 | 第64-67页 |
| 5.5 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
