| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究目的和意义 | 第9页 |
| 1.2 国内外研究现状及发展趋势 | 第9-11页 |
| 1.3 本文主要研究内容 | 第11页 |
| 1.4 章节安排 | 第11-13页 |
| 第2章 课题研究理论基础 | 第13-21页 |
| 2.1 传统信息传播模型 | 第13-14页 |
| 2.2 无拓扑结构的信息传播模型 | 第14-15页 |
| 2.3 表示学习 | 第15-16页 |
| 2.4 GRU神经网络 | 第16-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 基于用户影响和兴趣的社交信息传播模型 | 第21-36页 |
| 3.1 引言 | 第21-22页 |
| 3.2 预备知识 | 第22-23页 |
| 3.3 模型定义 | 第23-25页 |
| 3.3.1 用户之间的关系对信息传播的影响 | 第23-24页 |
| 3.3.2 用户对传播项的喜爱程度对信息传播的影响 | 第24页 |
| 3.3.3 模型传播概率定义 | 第24-25页 |
| 3.3.4 基于用户影响和兴趣的社交信息传播模型定义 | 第25页 |
| 3.4 模型参数学习 | 第25-30页 |
| 3.5 实验结果及分析 | 第30-35页 |
| 3.5.1 实验设置 | 第30-31页 |
| 3.5.2 评价标准 | 第31-32页 |
| 3.5.3 对比模型 | 第32页 |
| 3.5.4 实验参数的设置 | 第32-33页 |
| 3.5.5 实验结果对比 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 基于GRU的社交信息传播范围预测模型 | 第36-49页 |
| 4.1 引言 | 第36-37页 |
| 4.2 预备知识 | 第37-39页 |
| 4.2.1 端到端学习 | 第37页 |
| 4.2.2 Skip-gram模型 | 第37-39页 |
| 4.3 问题定义 | 第39页 |
| 4.4 基于GRU的社交信息传播范围预测模型 | 第39-45页 |
| 4.4.1 传播序列的选取 | 第40-42页 |
| 4.4.2 用户向量的学习 | 第42-43页 |
| 4.4.3 GRU神经网络的训练 | 第43-44页 |
| 4.4.4 注意力机制 | 第44-45页 |
| 4.5 实验结果及分析 | 第45-47页 |
| 4.5.1 实验设置 | 第45页 |
| 4.5.2 评价标准 | 第45-46页 |
| 4.5.3 对比模型与NT-GP模型的变体 | 第46页 |
| 4.5.4 实验参数的设置 | 第46页 |
| 4.5.5 实现结果对比 | 第46-47页 |
| 4.6 本章小结 | 第47-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间发表的学术论文 | 第56-57页 |