基于用户行为的社交网络用户动态影响力模型研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 社交网络中用户行为的研究 | 第13-14页 |
| 1.2.2 影响力度量研究 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第2章 社交网络综述 | 第17-25页 |
| 2.1 复杂网络及社交网络概述 | 第17-23页 |
| 2.2 社交网络相关理论与技术 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于用户行为的动态用户关系划分 | 第25-39页 |
| 3.1 数据获取 | 第25-28页 |
| 3.1.1 数据获取方式 | 第25-28页 |
| 3.1.2 数据集的定义 | 第28页 |
| 3.2 用户行为研究分析 | 第28-31页 |
| 3.3 动态用户关系划分 | 第31-37页 |
| 3.3.1 构建转发关系图 | 第31-34页 |
| 3.3.2 用户关系划分 | 第34-36页 |
| 3.3.3 更新转发关系图 | 第36-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 基于用户行为的动态影响力度量—BDR算法 | 第39-53页 |
| 4.1 用户影响力定义 | 第39-40页 |
| 4.2 PageRank算法 | 第40-42页 |
| 4.3 BDR算法 | 第42-49页 |
| 4.3.1 TwitterRank算法 | 第42-44页 |
| 4.3.2 极少转发关系转发概率模型 | 第44-45页 |
| 4.3.3 常转发关系转发概率模型 | 第45-48页 |
| 4.3.4 BDR算法 | 第48-49页 |
| 4.4 BDR算法流程图 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第5章 实验及结果分析 | 第53-61页 |
| 5.1 实验环境 | 第53页 |
| 5.2 BDR算法的收敛性 | 第53-54页 |
| 5.3 与其他算法的对比 | 第54-57页 |
| 5.3.1 与PageRank算法对比 | 第54-56页 |
| 5.3.2 与TwitterRank算法对比 | 第56-57页 |
| 5.4 实验结果分析 | 第57-58页 |
| 5.5 BDR算法的不足 | 第58-59页 |
| 5.6 本章小结 | 第59-61页 |
| 第6章 总结和展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
