| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景与研究意义 | 第9-10页 |
| 1.2 文献综述 | 第10-12页 |
| 1.3 论文框架与思路 | 第12页 |
| 1.4 论文特色与创新之处 | 第12-13页 |
| 第2章 网络社区中意见领袖的挖掘理论 | 第13-18页 |
| 2.1 意见领袖和二级传播 | 第13页 |
| 2.2 网络意见领袖特点 | 第13-14页 |
| 2.3 意见领袖识别方法比较 | 第14-16页 |
| 2.3.1 基于社会网络分析的意见领袖识别方法 | 第14-15页 |
| 2.3.2 基于用户统计学特征的意见领袖识别方法 | 第15页 |
| 2.3.3 基于用户特征聚类分析的意见领袖识别方法 | 第15-16页 |
| 2.4 意见领袖识别思路 | 第16-18页 |
| 第3章 基于大数据的意见领袖识别探究 | 第18-28页 |
| 3.1 网络社区的选定 | 第18页 |
| 3.2 数据爬取 | 第18-20页 |
| 3.2.1 网络爬虫概述 | 第18-19页 |
| 3.2.2 基于Scrapy框架的网络爬虫 | 第19-20页 |
| 3.3 数据预处理 | 第20页 |
| 3.4 网络社区中用户行为的统计分析 | 第20-25页 |
| 3.4.1 用户行为数据的“幂次分布”特征 | 第20-22页 |
| 3.4.2 用户行为数据相关性的“两级分化” | 第22-23页 |
| 3.4.3 用户个人信息数据分析 | 第23-25页 |
| 3.5 意见领袖指标体系构建 | 第25-28页 |
| 3.5.1 活跃度 | 第26页 |
| 3.5.2 影响力 | 第26-28页 |
| 第4章 实证分析 | 第28-40页 |
| 4.1 数据说明和各变量描述性统计 | 第28-29页 |
| 4.2 基于系统聚类的意见领袖预识别 | 第29-35页 |
| 4.2.1 系统聚类方法概述 | 第30页 |
| 4.2.2 系统聚类模型构建 | 第30-31页 |
| 4.2.3 基于聚类结果的意见领袖特征分析 | 第31-35页 |
| 4.3 使用k-means聚类进行意见领袖识别 | 第35-37页 |
| 4.3.1 k-means聚类方法概述 | 第35-36页 |
| 4.3.2 k-means聚类模型构建 | 第36-37页 |
| 4.4 使用EM聚类进行意见领袖识别 | 第37-39页 |
| 4.4.1 EM聚类方法概述 | 第37-38页 |
| 4.4.2 EM聚类模型的构建 | 第38-39页 |
| 4.5 k-means聚类与EM聚类方法的比较 | 第39-40页 |
| 第5章 结论与展望 | 第40-42页 |
| 5.1 主要结论 | 第40页 |
| 5.2 研究的展望 | 第40-42页 |
| 参考文献 | 第42-44页 |
| 致谢 | 第44-45页 |