基于微博网络信息挖掘与传播的关键技术研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第14-28页 |
| 1.1 课题来源 | 第14页 |
| 1.2 课题研究的背景和意义 | 第14-19页 |
| 1.3 国内外研究现状 | 第19-26页 |
| 1.3.1 微博数据获取与测量 | 第19-21页 |
| 1.3.2 关键节点挖掘 | 第21-23页 |
| 1.3.3 信息传播与免疫 | 第23-25页 |
| 1.3.4 信息转发预测与可视化分析 | 第25-26页 |
| 1.4 论文的主要研究内容 | 第26-28页 |
| 第二章 微博数据获取与测量 | 第28-58页 |
| 2.1 微博数据的获取 | 第28-40页 |
| 2.1.1 新浪微博API | 第29-30页 |
| 2.1.2 基于关注关系获取微博用户 | 第30-34页 |
| 2.1.3 基于地理信息获取微博用户 | 第34-35页 |
| 2.1.4 人工获取微博用户方法 | 第35-36页 |
| 2.1.5 微博用户间关系的获取 | 第36-37页 |
| 2.1.6 微博信息的获取 | 第37-38页 |
| 2.1.7 微博数据存储 | 第38-40页 |
| 2.2 微博网络的测量 | 第40-53页 |
| 2.2.1 邻接矩阵 | 第40-41页 |
| 2.2.2 出度与入度 | 第41-42页 |
| 2.2.3 小世界效应 | 第42-44页 |
| 2.2.4 节点度分布 | 第44-48页 |
| 2.2.5 出入度相关性 | 第48-50页 |
| 2.2.6 同配性 | 第50-53页 |
| 2.3 微博用户行为测量 | 第53-57页 |
| 2.3.1 用户发表微博行为测量 | 第53-55页 |
| 2.3.2 用户兴趣爱好分析 | 第55-57页 |
| 2.4 本章小结 | 第57-58页 |
| 第三章 微博网络关键节点挖掘 | 第58-79页 |
| 3.1 基于用户属性的关键节点挖掘 | 第58-61页 |
| 3.1.1 用户属性 | 第58-59页 |
| 3.1.2 三种用户属性比较 | 第59-61页 |
| 3.2 基于社会网络分析的关键节点挖掘 | 第61-70页 |
| 3.2.1 度中心性 | 第61-62页 |
| 3.2.2 介数中心性 | 第62-63页 |
| 3.2.3 紧密度中心性 | 第63页 |
| 3.2.4 网络中心性测量及分析 | 第63-70页 |
| 3.3 基于WEB搜索的关键节点挖掘 | 第70-72页 |
| 3.3.1 HITS算法 | 第70-71页 |
| 3.3.2 Page Rank算法 | 第71-72页 |
| 3.4 Weibo Rank关键节点挖掘算法 | 第72-77页 |
| 3.4.1 传播矩阵 | 第72-73页 |
| 3.4.2 Weibo Rank算法 | 第73-75页 |
| 3.4.3 实验结果及分析 | 第75-77页 |
| 3.5 本章小结 | 第77-79页 |
| 第四章 微博信息传播与免疫 | 第79-114页 |
| 4.1 经典的传染病传播模型 | 第80-87页 |
| 4.1.1 SI模型 | 第80-81页 |
| 4.1.2 SIS模型 | 第81-82页 |
| 4.1.3 SIR模型 | 第82-83页 |
| 4.1.4 SIRS模型 | 第83-84页 |
| 4.1.5 不同网络中SI模型的传播 | 第84-87页 |
| 4.2 微博信息传播的ISMR模型 | 第87-107页 |
| 4.2.1 ISMR模型的传播机制 | 第88-89页 |
| 4.2.2 均匀网络中ISMR模型的传播阈值 | 第89-92页 |
| 4.2.3 非均匀网络中ISMR模型的传播阈值 | 第92-97页 |
| 4.2.4 仿真结果及分析 | 第97-104页 |
| 4.2.5 基于ISMR模型的关键节点算法评价 | 第104-107页 |
| 4.3 WR免疫策略 | 第107-112页 |
| 4.3.1 经典免疫方法 | 第107-108页 |
| 4.3.2 WR免疫方法 | 第108-109页 |
| 4.3.3 仿真结果及分析 | 第109-112页 |
| 4.4 本章小结 | 第112-114页 |
| 第五章 微博信息转发预测及可视化分析 | 第114-129页 |
| 5.1 基于话题的微博信息传播分析 | 第114-117页 |
| 5.1.1 传播广度与传播深度 | 第114-115页 |
| 5.1.2 不同类别话题的传播特性分析 | 第115-117页 |
| 5.2 影响用户转发行为的因素 | 第117-119页 |
| 5.2.1 用户特征 | 第118页 |
| 5.2.2 微博信息特征 | 第118-119页 |
| 5.3 转发行为预测 | 第119-120页 |
| 5.3.1 数据集描述 | 第119页 |
| 5.3.2 预测结果 | 第119-120页 |
| 5.4 转发规模预测 | 第120-122页 |
| 5.5 信息传播可视化分析 | 第122-128页 |
| 5.6 本章小结 | 第128-129页 |
| 第六章 结论与展望 | 第129-131页 |
| 6.1 结论 | 第129-130页 |
| 6.2 展望 | 第130-131页 |
| 参考文献 | 第131-141页 |
| 作者在攻读博士学位期间公开发表的论文 | 第141-143页 |
| 作者在攻读博士学位期间所作的项目 | 第143-144页 |
| 致谢 | 第144-145页 |
