| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 分析型研究 | 第11-12页 |
| 1.2.2 解释型研究 | 第12-13页 |
| 1.2.3 预测型研究 | 第13-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第二章 相关技术 | 第16-30页 |
| 2.1 信息传播概述 | 第16-22页 |
| 2.1.1 基本概念 | 第16-19页 |
| 2.1.2 信息传播性质 | 第19-20页 |
| 2.1.3 信息传播机制 | 第20-22页 |
| 2.2 基于机器学习的预测型方法 | 第22-24页 |
| 2.2.1 研究框架 | 第22页 |
| 2.2.2 任务建模与性能度量 | 第22-23页 |
| 2.2.3 研究信息传播常用特征 | 第23-24页 |
| 2.3 排序学习算法 | 第24-27页 |
| 2.3.1 基本概念 | 第24-26页 |
| 2.3.2 排序学习算法分类 | 第26页 |
| 2.3.3 排序学习与社交网络分析 | 第26-27页 |
| 2.4 增量学习 | 第27-29页 |
| 2.4.1 基本概念 | 第27页 |
| 2.4.2 增量学习算法 | 第27-28页 |
| 2.4.3 增量学习与社交网络分析 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 增量混合特征生成算法 | 第30-44页 |
| 3.1 增量混合特征生成算法概述 | 第30-32页 |
| 3.1.1 符号与基本假设 | 第30-31页 |
| 3.1.2 算法步骤与流程图 | 第31-32页 |
| 3.2 属性库的设计与生成 | 第32-33页 |
| 3.2.1 用户属性库 | 第32页 |
| 3.2.2 关系属性库 | 第32-33页 |
| 3.2.3 微博与事件属性库 | 第33页 |
| 3.3 混合特征库的设计与生成 | 第33-38页 |
| 3.3.1 用户特征 | 第34-36页 |
| 3.3.2 关系特征 | 第36-37页 |
| 3.3.3 微博与事件特征 | 第37-38页 |
| 3.4 特征的增量更新方法 | 第38-43页 |
| 3.4.1 不同时间粒度的特征 | 第38-39页 |
| 3.4.2 时间窗的选择 | 第39-41页 |
| 3.4.3 特征的增量更新过程 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于数据点的增量排序学习算法 | 第44-57页 |
| 4.1 基于数据点的增量排序学习算法概述 | 第44-46页 |
| 4.1.1 符号与基本假设 | 第44页 |
| 4.1.2 算法步骤与流程图 | 第44-46页 |
| 4.2 训练集生成 | 第46-47页 |
| 4.2.1 候选集生成 | 第46-47页 |
| 4.2.2 训练集生成 | 第47页 |
| 4.3 改进的基于数据点的排序学习算法 | 第47-52页 |
| 4.3.1 训练与学习过程 | 第48-49页 |
| 4.3.2 预测与验证过程 | 第49-50页 |
| 4.3.3 反馈与更新过程 | 第50-52页 |
| 4.4 增量模型 | 第52-56页 |
| 4.4.1 增量模型基本思想 | 第53页 |
| 4.4.2 首个时间窗的预测模型 | 第53-54页 |
| 4.4.3 当前时间窗的增量预测模型 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 实验设计与结果分析 | 第57-74页 |
| 5.1 实验设计与数据集描述 | 第57-59页 |
| 5.1.1 实验设计 | 第57-58页 |
| 5.1.2 新浪微博公开数据集 | 第58-59页 |
| 5.1.3 推特公开数据集 | 第59页 |
| 5.2 属性库与特征库配置 | 第59-61页 |
| 5.2.1 属性库的选择与配置 | 第59-60页 |
| 5.2.2 特征库的选择与配置 | 第60-61页 |
| 5.3 增量混合特征生成算法实验结果及分析 | 第61-67页 |
| 5.3.1 实验一：基于信息增益确定时间窗大小 | 第61-62页 |
| 5.3.2 实验二：特征衰减速率与预测准确率 | 第62-63页 |
| 5.3.3 实验三：特征更新权重与预测准确率 | 第63-64页 |
| 5.3.4 实验四：特征的不同类别与预测准确率 | 第64-66页 |
| 5.3.5 实验五：特征的时间维度与预测准确率 | 第66-67页 |
| 5.4 基于数据点的增量排序学习算法实验结果及分析 | 第67-73页 |
| 5.4.1 实验一：候选集生成方案的效率对比 | 第67-68页 |
| 5.4.2 实验二：反馈更新过程中不同学习率与模型泛化能力 | 第68-69页 |
| 5.4.3 实验三：增量模型组合权重与模型泛化能力 | 第69-70页 |
| 5.4.4 实验四：不同特征类型与模型泛化能力 | 第70-72页 |
| 5.4.5 实验五：模型泛化能力对比 | 第72-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 本文总结 | 第74-75页 |
| 6.2 未来工作 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
