| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究工作背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文的主要研究工作 | 第15-17页 |
| 1.4 本文组织结构 | 第17-18页 |
| 第二章 相关理论与方法 | 第18-32页 |
| 2.1 社交网络分析理论基础 | 第18-21页 |
| 2.1.1 社交网络基本概念 | 第19-20页 |
| 2.1.2 社交网络表征方法 | 第20-21页 |
| 2.2 影响力节点评估算法理论 | 第21-27页 |
| 2.2.1 基于网络拓扑信息的影响力评估 | 第22-26页 |
| 2.2.2 基于社交行为的影响力评估 | 第26-27页 |
| 2.3 数据挖掘分类算法 | 第27-29页 |
| 2.4 文本情感极性分析技术 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于PageRank的意见领袖挖掘算法研究 | 第32-47页 |
| 3.1 用户行为关系网络模型构建方法研究 | 第33-36页 |
| 3.1.1 事件中用户影响力传播 | 第33-34页 |
| 3.1.2 推特用户属性与推文属性提取 | 第34-35页 |
| 3.1.3 加权有向用户关系网络构建 | 第35-36页 |
| 3.2 PageRank意见领袖挖掘算法 | 第36-40页 |
| 3.2.1 传统的PageRank算法 | 第37-38页 |
| 3.2.2 意见领袖挖掘算法设计 | 第38-40页 |
| 3.3 实验以及结果分析 | 第40-46页 |
| 3.3.1 实验数据以及网络拓扑图 | 第40-41页 |
| 3.3.2 算法结果分析 | 第41-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于社交行为的用户情感极性分类方法研究 | 第47-65页 |
| 4.1 事件的情感极性评估算法 | 第49-53页 |
| 4.1.1 事件推文目标分类 | 第50页 |
| 4.1.2 基于情感词典的推文情感分析 | 第50-51页 |
| 4.1.3 基于词频统计的推文情感分析 | 第51-52页 |
| 4.1.4 事件的情感分析 | 第52-53页 |
| 4.2 用户情感极性分类算法 | 第53-58页 |
| 4.2.1 意见领袖情感极性分类 | 第54-57页 |
| 4.2.2 普通用户情感极性分类 | 第57-58页 |
| 4.4 实验以及结果分析 | 第58-63页 |
| 4.4.1 事件情感极性评估算法测试与分析 | 第58-61页 |
| 4.4.2 用户情感极性分类算法测试与分析 | 第61-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-68页 |
| 5.1 论文工作总结 | 第65-66页 |
| 5.2 工作的展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73页 |