致谢 | 第5-6页 |
摘要 | 第6-8页 |
ABSTRACT | 第8-10页 |
目录 | 第12-15页 |
1 引言 | 第15-35页 |
1.1 研究背景与选题意义 | 第15-17页 |
1.1.1 研究背景 | 第15-16页 |
1.1.2 选题意义 | 第16-17页 |
1.2 主要研究方法及研究现状 | 第17-32页 |
1.2.1 基本研究方法 | 第17-18页 |
1.2.2 复杂网络模型 | 第18-20页 |
1.2.3 影响力评估模型 | 第20-23页 |
1.2.4 信息传播动力学模型 | 第23-28页 |
1.2.5 舆论演化过程建模 | 第28-32页 |
1.3 论文的主要研究内容和创新点 | 第32-33页 |
1.4 论文的结构 | 第33-35页 |
2 基于网络社区叠加的节点影响力度量 | 第35-55页 |
2.1 引言 | 第35-36页 |
2.2 经典的节点中心性统计特征 | 第36-37页 |
2.2.1 紧密度 | 第36页 |
2.2.2 介数 | 第36-37页 |
2.2.3 k-shell | 第37页 |
2.3 数据集和社区划分 | 第37-41页 |
2.3.1 数据集 | 第37-39页 |
2.3.2 Newman快速算法 | 第39-40页 |
2.3.3 社区划分结果 | 第40-41页 |
2.4 基于网络社区叠加的影响力挖掘模型 | 第41-43页 |
2.5 实验结果及分析 | 第43-50页 |
2.5.1 采用的传播模型 | 第43-44页 |
2.5.2 LWCS指标排序结果 | 第44-45页 |
2.5.3 LWCS与其它四类指标相关性分析 | 第45-46页 |
2.5.4 LWCS与度、紧密度和介数性能比较 | 第46-50页 |
2.5.5 LWCS与k-shell性能比较 | 第50页 |
2.6 基于K-SHELL划分的LWCS改进算法 | 第50-52页 |
2.7 本章小结 | 第52-55页 |
3 基于多维特征的微博网络信息传播模型及仿真分析 | 第55-77页 |
3.1 引言 | 第55-56页 |
3.2 模型 | 第56-59页 |
3.2.1 信息传播机制假设 | 第56-57页 |
3.2.2 个体状态分类 | 第57页 |
3.2.3 多维特征分析 | 第57-58页 |
3.2.4 USIR信息传播模型 | 第58-59页 |
3.3 数据集 | 第59-60页 |
3.4 数值仿真和分析 | 第60-75页 |
3.4.1 USIR模型特性 | 第60-61页 |
3.4.2 传播链路权重特性分析 | 第61-64页 |
3.4.3 移除强弱关系对USIR模型传播结果及网络拓扑结构的影响 | 第64-67页 |
3.4.4 不同网络拓扑对USIR模型传播结果的影响 | 第67-71页 |
3.4.5 个体置信度和群体因素特性分析 | 第71-75页 |
3.5 本章小结 | 第75-77页 |
4 微博多源信息传播过程及与话题竞争关系 | 第77-103页 |
4.1 引言 | 第77-78页 |
4.2 微博多源信息传播过程建模 | 第78-90页 |
4.2.1 个体自发传播模型 | 第78-81页 |
4.2.2 数值仿真和分析 | 第81-89页 |
4.2.3 主要结论和研究意义 | 第89-90页 |
4.3 基于用户兴趣的多话题传播过程建模 | 第90-101页 |
4.3.1 真实微博多话题传播过程 | 第90-92页 |
4.3.2 多话题同时传播模型 | 第92-94页 |
4.3.3 数值仿真和分析 | 第94-100页 |
4.3.4 主要结论和研究意义 | 第100-101页 |
4.4 本章小结 | 第101-103页 |
5 微博观点交互及舆论涌现过程建模 | 第103-121页 |
5.1 引言 | 第103-104页 |
5.2 网络拓扑结构对舆论演化的影响 | 第104-109页 |
5.2.1 个体交互模型 | 第104-105页 |
5.2.2 数值仿真和分析 | 第105-109页 |
5.3 微博用户信任作用下的观点演化模型 | 第109-119页 |
5.3.1 观点交互中的信任传播模型 | 第109-111页 |
5.3.2 仿真结果分析 | 第111-119页 |
5.4 本章小结 | 第119-121页 |
6 总结与展望 | 第121-125页 |
6.1 论文总结 | 第121-123页 |
6.2 研究展望 | 第123-125页 |
参考文献 | 第125-133页 |
作者简历及攻读博士学位期间取得的研究成果 | 第133-137页 |
学位论文数据集 | 第137页 |