摘要 | 第5-7页 |
abstract | 第7-8页 |
第1章 绪论 | 第12-20页 |
1.1 选题背景及研究意义 | 第12-14页 |
1.1.1 选题背景 | 第12-13页 |
1.1.2 研究意义 | 第13-14页 |
1.2 国内外研究现状分析及评述 | 第14-18页 |
1.2.1 信息传播模型的研究现状 | 第14-16页 |
1.2.2 多层耦合网络的研究现状 | 第16-17页 |
1.2.3 研究现状评述及本文创新 | 第17-18页 |
1.3 研究内容与技术路线 | 第18-20页 |
1.3.1 研究内容 | 第18-19页 |
1.3.2 技术路线 | 第19-20页 |
第2章 相关理论基础综述 | 第20-25页 |
2.1 网络舆情的概念 | 第20页 |
2.2 网络舆情的形成过程 | 第20-21页 |
2.3 网络舆情的演化规律 | 第21-22页 |
2.3.1 网络舆情演化作用力 | 第21页 |
2.3.2 网络舆情的演化规律 | 第21-22页 |
2.4 种群动力学理论 | 第22-25页 |
2.4.1 Kolmogorov模型 | 第22-23页 |
2.4.2 Lotka-Volterra模型 | 第23-25页 |
第3章 基于在线社交网络的多信息传播模型 | 第25-40页 |
3.1 基于传播速度的在线社交网络信息传播系统 | 第25-28页 |
3.1.1 信息传播系统描述 | 第25-27页 |
3.1.2 信息传播速度建模 | 第27-28页 |
3.2 基于种群动力学的在线社交网络多信息传播模型 | 第28-30页 |
3.2.1 信息传播的合作和竞争机制 | 第28页 |
3.2.2 多信息传播的Lotka-Volterra合作竞争模型 | 第28-30页 |
3.3 在线社交网络多信息传播模型理论分析 | 第30-36页 |
3.3.1 平衡点存在性 | 第30-32页 |
3.3.2 系统平衡点 | 第32-33页 |
3.3.3 模型稳定性分析 | 第33-36页 |
3.4 在线社交网络多信息传播模型仿真分析 | 第36-39页 |
3.4.1 双低制约系数 | 第37页 |
3.4.2 差异化制约系数 | 第37-38页 |
3.4.3 双高制约系数 | 第38-39页 |
3.5 本章小结 | 第39-40页 |
第4章 基于耦合网络的舆情信息协同演化模型研究 | 第40-48页 |
4.1 舆情信息传播模型构建 | 第40-43页 |
4.1.1 线上社交网络的构建 | 第40-41页 |
4.1.2 线下人际网络的构建 | 第41-43页 |
4.1.3 线上线下耦合网络 | 第43页 |
4.2 双层耦合网络下舆情信息协同演化过程分析 | 第43-45页 |
4.2.1 SCIR模型 | 第43-44页 |
4.2.2 双层耦合网络下信息协同传播过程 | 第44-45页 |
4.3 模型结论解释与分析 | 第45-47页 |
4.3.1 网络拓扑结构对舆情信息传播过程的影响 | 第45-46页 |
4.3.2 信息初次接收概率对舆情传播过程的影响 | 第46-47页 |
4.4 本章小结 | 第47-48页 |
第5章 微博用户信息传播能力分析 | 第48-58页 |
5.1 数据的采集及处理 | 第48-50页 |
5.1.1 数据采集方法 | 第48-49页 |
5.1.2 数据处理及初步分析 | 第49-50页 |
5.2 用户信息传播能力指标的选取 | 第50-51页 |
5.2.1 用户自身属性 | 第50页 |
5.2.2 社团密度 | 第50-51页 |
5.3 用户信息传播能力度量模型的构建 | 第51-54页 |
5.3.1 标准粒子群算法 | 第51-52页 |
5.3.2 多学习因子粒子群算法 | 第52-53页 |
5.3.3 参数分析 | 第53-54页 |
5.4 实验验证 | 第54-56页 |
5.4.1 用户影响力评价标准 | 第54-55页 |
5.4.2 实验结果分析 | 第55-56页 |
5.5 本章小结 | 第56-58页 |
第6章 舆情信息传播的监管策略 | 第58-61页 |
6.1 网络主体加强自律 | 第58-59页 |
6.2 政府和主流媒体引导 | 第59-60页 |
6.3 本章小结 | 第60-61页 |
参考文献 | 第61-64页 |
攻读硕士学位期间取得的研究成果 | 第64-65页 |
致谢 | 第65-66页 |