摘要 | 第6-8页 |
abstract | 第8-11页 |
第一章 绪论 | 第15-34页 |
1.1 研究的背景 | 第15-20页 |
1.2 研究的意义 | 第20-25页 |
1.2.1 社交的驱动作用 | 第20-23页 |
1.2.2 社交网络对经济的影响 | 第23-25页 |
1.3 国内外相关研究概述 | 第25-31页 |
1.3.1 社交媒介中的信息传播模式研究 | 第25-30页 |
1.3.2 课题研究的主要特点 | 第30-31页 |
1.4 研究目的 | 第31-32页 |
1.5 主要研究内容和技术路线 | 第32-34页 |
第二章 信息扩散过程属性分析研究 | 第34-50页 |
2.1 信息扩散的网络结构属性分析 | 第34-36页 |
2.2 社交网络扩散的信息属性分析 | 第36-38页 |
2.2.1 信息过载对信息传递有效性的影响 | 第36-37页 |
2.2.2 信息蕴含的争议和情绪对扩散的影响 | 第37-38页 |
2.3 信息扩散用户属性分析 | 第38-43页 |
2.3.1 用户之间连接强度对信息扩散的影响 | 第40页 |
2.3.2 用户影响力对信息传播的影响 | 第40-42页 |
2.3.3 用户的转发行为分析 | 第42-43页 |
2.4 信息扩散过程安全与隐私 | 第43-49页 |
2.4.1 社交网络中用户隐私设置和访问权限设置 | 第44-46页 |
2.4.2 用户隐私威胁 | 第46-47页 |
2.4.3 用户信息泄露的危害及对信息扩散的影响 | 第47-49页 |
2.5 本章小结 | 第49-50页 |
第三章 产品信息扩散多点模型建立 | 第50-68页 |
3.1 基于MapReduce模式的多点交叉传播 | 第50-55页 |
3.1.1 多点交叉传播的信息过滤功能 | 第51-52页 |
3.1.2 多点交叉传播中扩散主题集确定 | 第52-55页 |
3.2 产品信息扩散过程贝叶斯网建模 | 第55-63页 |
3.2.1 信息扩散过程中随机变量的确定 | 第57-59页 |
3.2.2 信息扩散贝叶斯网模型构建 | 第59-60页 |
3.2.3 信息扩散的贝叶斯网模型 | 第60-63页 |
3.3 产品信息扩散贝叶斯网模型特征分析 | 第63-67页 |
3.3.1 模型的条件独立属性 | 第63页 |
3.3.2 模型的因子分解属性 | 第63-66页 |
3.3.3 模型的最小独立集属性 | 第66-67页 |
3.4 本章小结 | 第67-68页 |
第四章 产品信息扩散过程推理 | 第68-88页 |
4.1 后验概率推理分析 | 第68-71页 |
4.1.1 信息扩散贝叶斯网变量的推理 | 第70-71页 |
4.1.2 因子边缘化方法 | 第71页 |
4.2 行为推理过程 | 第71-78页 |
4.2.1 和-积推理生成团树 | 第71-75页 |
4.2.2 信息扩散贝叶斯网团树的推理 | 第75-78页 |
4.3 影响推理过程 | 第78-81页 |
4.3.1 影响推理与行为推理的关联 | 第78-79页 |
4.3.2 信息扩散贝叶斯网所有因素的推理 | 第79-81页 |
4.4 推理过程分析和验证 | 第81-84页 |
4.4.1 行为推理验证 | 第82页 |
4.4.2 影响推理验证 | 第82-84页 |
4.5 价值节点到信息源的有效迹获取方法 | 第84-86页 |
4.6 本章小结 | 第86-88页 |
第五章 信息扩散过程控制应用 | 第88-110页 |
5.1 产品信息扩散过程的消费者多属性分析与扩展应用 | 第88-100页 |
5.1.1 基于消费者多属性的呼叫排队方法 | 第91-98页 |
5.1.2 应用实例分析 | 第98-100页 |
5.2 缺陷产品工艺过程推理 | 第100-109页 |
5.2.1 汽车制造的模块化生产 | 第100-102页 |
5.2.2 汽车缺陷产品追溯机理 | 第102-106页 |
5.2.3 缺陷产品追溯系统中的二维码技术应用 | 第106-109页 |
5.3 本章小结 | 第109-110页 |
第六章 总结与展望 | 第110-112页 |
6.1 研究总结 | 第110-111页 |
6.2 研究展望 | 第111-112页 |
参考文献 | 第112-121页 |
作者在攻读博士学位期间公开发表的论文 | 第121-122页 |
作者在攻读博士学位期间所获专利 | 第122-123页 |
作者在攻读博士学位期间参与的项目 | 第123-124页 |
致谢 | 第124页 |