| 摘要 | 第10-11页 |
| Abstract | 第11页 |
| 第一章 绪论 | 第13-29页 |
| 1.1 研究意义和现状 | 第13-23页 |
| 1.1.1 研究背景 | 第13-15页 |
| 1.1.2 研究意义 | 第15-18页 |
| 1.1.3 研究现状 | 第18-23页 |
| 1.2 本文拟解决的相关问题 | 第23-26页 |
| 1.2.1 描述解析问题 | 第24页 |
| 1.2.2 预测解析问题 | 第24-25页 |
| 1.2.3 诱导解析问题 | 第25-26页 |
| 1.3 论文的研究思路及内容安排 | 第26-29页 |
| 第二章 开源情报解析的理论基础 | 第29-47页 |
| 2.1 从波普尔“三世界”思想到ACP理论框架 | 第29-36页 |
| 2.1.1 波普尔的“三世界”思想 | 第29-30页 |
| 2.1.2 钱学森的情报激活理论 | 第30-33页 |
| 2.1.3 ACP理论框架与开源情报解析 | 第33-36页 |
| 2.2 开源情报解析相关理论 | 第36-45页 |
| 2.2.1 数据驱动的情报分析 | 第36-39页 |
| 2.2.2 计算实验与情报预测 | 第39-43页 |
| 2.2.3 平行系统与情报诱导 | 第43-45页 |
| 2.3 本章小结 | 第45-47页 |
| 第三章 面向网络媒体的领域情报描述分析 | 第47-77页 |
| 3.1 开源情报传感网络与数据采集 | 第47-52页 |
| 3.1.1 领域开源信息产生与交互的一般过程 | 第47-48页 |
| 3.1.2 面向新浪微博的社会传感网 | 第48-50页 |
| 3.1.3 特定领域数据集及初步分析 | 第50-52页 |
| 3.2 面向特定领域信息微博“大V”的社会网络分析 | 第52-56页 |
| 3.2.1 社会网络分析法 | 第52-54页 |
| 3.2.2 特定领域“大V”社会网络构建 | 第54-55页 |
| 3.2.3 特定领域“大V”社会网络中的核心成员分析 | 第55-56页 |
| 3.3 特定领域信息在微博话题中的传播特征实证研究 | 第56-61页 |
| 3.3.1 微博信息传播网络构建和特征分析 | 第56-59页 |
| 3.3.2 某特定领域信息传播网络模式 | 第59-61页 |
| 3.4 基于SI2R模型的特定领域信息传播动力学规律 | 第61-69页 |
| 3.4.1 传统的传播动力学模型 | 第62-64页 |
| 3.4.2 微博互动中的SI2R传播动力学模型 | 第64-66页 |
| 3.4.3 特定领域信息在微博平台中传播实证分析 | 第66-69页 |
| 3.5 基于观点向量的潜在群体挖掘 | 第69-74页 |
| 3.5.1 观点向量挖掘方法 | 第69-72页 |
| 3.5.2 网络潜在群体挖掘方法 | 第72-73页 |
| 3.5.3 微博潜在网络群体挖掘实验 | 第73-74页 |
| 3.6 本章小结 | 第74-77页 |
| 第四章 基于人工社会与计算驱动的情报预测研究 | 第77-105页 |
| 4.1 Agent建模的特点与Multi-Agent系统 | 第77-81页 |
| 4.1.1 Agent的基本概念和特点 | 第77-79页 |
| 4.1.2 Multi-Agent建模与控制的基本理论 | 第79-81页 |
| 4.2 基于Multi-Agent的开源信息互动人工社会 | 第81-84页 |
| 4.2.1 开源信息互动环境及微博话题交互的特征 | 第81-82页 |
| 4.2.2 面向特定领域的微博信息交互Multi-Agent人工社会模型 | 第82-84页 |
| 4.3 人工社会中的信息交互环境模型 | 第84-89页 |
| 4.3.1 微博话题产生模型 | 第84-85页 |
| 4.3.2 微博信息交互网络模型 | 第85-87页 |
| 4.3.3 微博用户的在线活跃模式 | 第87-89页 |
| 4.4 人工社会中的个体Agent建模 | 第89-94页 |
| 4.4.1 微博用户Agent模型 | 第89-90页 |
| 4.4.2 Agent的知识库系统及学习系统 | 第90-92页 |
| 4.4.3 Agent的状态属性单元 | 第92页 |
| 4.4.4 Agent的感知与决策执行单元 | 第92-94页 |
| 4.5 基于人工社会的计算预测实验 | 第94-103页 |
| 4.5.1 特定领域公开话题交互演化计算实验 | 第94-100页 |
| 4.5.2 特定领域话题交互过程中敏感信息控制计算实验 | 第100-103页 |
| 4.6 本章小结 | 第103-105页 |
| 第五章 平行互动的情报诱导研究 | 第105-133页 |
| 5.1 开源情报的描述性目标模型 | 第105-109页 |
| 5.1.1 情报周期与情报目标模型 | 第105-107页 |
| 5.1.2 面向特定领域情报需求的描述矩阵 | 第107-108页 |
| 5.1.3 开源情报诱导评估 | 第108-109页 |
| 5.2 开源情报平行系统与诱导模型 | 第109-115页 |
| 5.2.1 开源情报激活平行系统 | 第109-111页 |
| 5.2.2 情报思维导图的激活需求 | 第111-114页 |
| 5.2.3 面向需求的开源情报诱导模型 | 第114-115页 |
| 5.3 特定领域开源情报诱导与平行执行 | 第115-130页 |
| 5.3.1 情报激活平行执行方式 | 第116-117页 |
| 5.3.2 面向特定领域的开源情报诱导目标 | 第117-118页 |
| 5.3.3 策略计算实验与情报诱导平行执行 | 第118-126页 |
| 5.3.4 开源情报的信息源分布解析 | 第126-130页 |
| 5.4 本章小结 | 第130-133页 |
| 第六章 结论与展望 | 第133-136页 |
| 6.1 工作总结 | 第133-135页 |
| 6.2 研究展望 | 第135-136页 |
| 致谢 | 第136-137页 |
| 参考文献 | 第137-146页 |
| 作者在学期间取得的学术成果 | 第146-147页 |
| 附录A 缩略语中英文对照表 | 第147页 |
