面向网络舆情仿真的人物智能体建模
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-15页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 相关问题研究现状 | 第15-20页 |
| 1.2.1 舆论演化研究现状分析 | 第15-16页 |
| 1.2.2 个体建模研究现状分析 | 第16-17页 |
| 1.2.3 社交网络中个体行为研究现状分析 | 第17-19页 |
| 1.2.4 多源数据关联整合研究现状 | 第19-20页 |
| 1.3 课题研究内容、文章结构、创新点 | 第20-22页 |
| 1.3.1 研究内容 | 第20-22页 |
| 1.3.2 文章结构 | 第22页 |
| 1.3.3 创新点 | 第22页 |
| 第二章 完整机理模型 | 第22-35页 |
| 2.1 信息传播过程 | 第25-26页 |
| 2.2 完整机理模型框架 | 第26-28页 |
| 2.3 信息认知 | 第28-31页 |
| 2.3.1 选择加工方式 | 第28-29页 |
| 2.3.2 快加工 | 第29-30页 |
| 2.3.3 慢加工 | 第30-31页 |
| 2.4 信息的表达 | 第31-32页 |
| 2.5 问题与解决思路 | 第32-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 基于网络数据的降阶模型 | 第35-44页 |
| 3.1 模型降阶 | 第35-37页 |
| 3.2 个体状态特征提取 | 第37-40页 |
| 3.3 行为和观点决策 | 第40-42页 |
| 3.4 本章小节 | 第42-44页 |
| 第四章 数据关联整合与网络提取 | 第44-58页 |
| 4.1 网络数据获取 | 第44-46页 |
| 4.2 数据关联整合 | 第46-50页 |
| 4.2.1 数据关联整合框架 | 第46-49页 |
| 4.2.2 实体映射 | 第49-50页 |
| 4.3 网络提取与分析 | 第50-57页 |
| 4.3.1 网络相关属性介绍 | 第50-51页 |
| 4.3.2 微博网络分析 | 第51-55页 |
| 4.3.3 微信网络分析 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 实验与分析评估 | 第58-70页 |
| 5.1 个体状态特征分析 | 第58-62页 |
| 5.1.1 时间特征分析 | 第58-60页 |
| 5.1.2 心理距离分析 | 第60-61页 |
| 5.1.3 认知资源分析 | 第61-62页 |
| 5.2 参数计算与分析 | 第62-65页 |
| 5.2.1 数据准备 | 第62-63页 |
| 5.2.2 条件转移概率计算与分析 | 第63-65页 |
| 5.3 模型验证实验 | 第65-68页 |
| 5.4 本章小节 | 第68-70页 |
| 第六章 总结与展望 | 第70-73页 |
| 6.1 论文总结 | 第70-71页 |
| 6.2 课题展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 作者在学期间取得的学术成果 | 第78页 |
