面向微博博文的影响力分析技术研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 本文的工作 | 第12-13页 |
| 1.3 论文组织结构 | 第13-15页 |
| 第二章 相关研究 | 第15-27页 |
| 2.1 和社交影响力分析相关的概念 | 第15-18页 |
| 2.1.1 影响力 | 第15-16页 |
| 2.1.2 同质性 | 第16-17页 |
| 2.1.3 互惠性等因素 | 第17-18页 |
| 2.2 社交影响力分析方法 | 第18-26页 |
| 2.2.1 依据网络拓扑结构的分析方法 | 第18-22页 |
| 2.2.2 依据信息的分析方法 | 第22-25页 |
| 2.2.3 依据用户行为的分析方法 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 微博数据采集与影响力度量 | 第27-36页 |
| 3.1 微博数据集的获取 | 第27-29页 |
| 3.1.1 微博数据集的获取方式 | 第27-28页 |
| 3.1.2 微博数据集的获取规则 | 第28-29页 |
| 3.2 微博数据集的社会学验证 | 第29-30页 |
| 3.3 微博博文影响力的度量 | 第30-34页 |
| 3.3.1 微博博文影响力的度量指标 | 第30-32页 |
| 3.3.2 微博博文影响力的综合度量方法 | 第32-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 基于排序学习的微博博文影响力预测 | 第36-51页 |
| 4.1 排序学习技术介绍 | 第36-38页 |
| 4.1.1 排序学习技术相关研究 | 第36-37页 |
| 4.1.2 排序学习技术的选择依据 | 第37-38页 |
| 4.2 微博特征的分析 | 第38-43页 |
| 4.2.1 微博博文的字长 | 第39页 |
| 4.2.2 微博博文是否包含链接 | 第39-40页 |
| 4.2.3 微博博文的情感倾向 | 第40-42页 |
| 4.2.4 标签出现的频率 | 第42页 |
| 4.2.5 用户的粉丝数 | 第42-43页 |
| 4.3 实验评估方法 | 第43页 |
| 4.4 实验数据构造及处理 | 第43-44页 |
| 4.5 微博影响力预测性能对比实验 | 第44-49页 |
| 4.5.1 基准方法的介绍 | 第45-46页 |
| 4.5.2 预测性能对比实验结果 | 第46-48页 |
| 4.5.3 结合历史博文的影响力预测实验 | 第48-49页 |
| 4.6 本章小结 | 第49-51页 |
| 第五章 影响力预测特征的分析与研究 | 第51-60页 |
| 5.1 特征分析及实验 | 第51-57页 |
| 5.1.1 单个特征分析及实验 | 第51-55页 |
| 5.1.2 不同数据集上特征分析及实验 | 第55-57页 |
| 5.2 特征组合方式选择及实验 | 第57-59页 |
| 5.2.1 特征组合原则 | 第57页 |
| 5.2.2 特征组合方式选择算法设计 | 第57-58页 |
| 5.2.3 特征组合方式选择实验结果 | 第58-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 结束语 | 第60-63页 |
| 6.1 研究工作总结 | 第60-61页 |
| 6.2 未来工作展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 作者在学期间取得的学术成果 | 第71页 |
