在线社会网络的动态社区分析与流行度预测
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题的研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 微博信息传播的研究现状 | 第11-12页 |
| 1.2.2 复杂网络社区发现研究现状 | 第12-14页 |
| 1.3 课题研究的目的及意义 | 第14页 |
| 1.4 论文主要工作及结构安排 | 第14-18页 |
| 1.4.1 论文主要工作 | 第14-15页 |
| 1.4.2 论文结构安排 | 第15-18页 |
| 第二章 相关基础理论 | 第18-28页 |
| 2.1 微博网络 | 第18-19页 |
| 2.2 复杂网络中的社区结构 | 第19-24页 |
| 2.2.1 社区结构 | 第19-21页 |
| 2.2.2 信息熵 | 第21页 |
| 2.2.3 归一化互信息 | 第21-23页 |
| 2.2.4 基准网络 | 第23-24页 |
| 2.3 分类算法 | 第24-27页 |
| 2.3.1 支持向量机 | 第24-26页 |
| 2.3.2 核函数选择 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 微博信息传播网络的动态社区分析 | 第28-44页 |
| 3.1 数据集描述 | 第28页 |
| 3.2 基于模块度优化的社区发现算法改进 | 第28-39页 |
| 3.2.1 快速社区发现算法介绍 | 第29页 |
| 3.2.2 快速社区发现算法分析 | 第29-32页 |
| 3.2.3 快速社区发现算法改进 | 第32-33页 |
| 3.2.4 快速社区发现改进算法实验 | 第33-39页 |
| 3.3 微博信息传播网络的社区发现 | 第39-43页 |
| 3.3.1 微博信息传播网络构建 | 第39页 |
| 3.3.2 动态网络社区发现算法 | 第39-42页 |
| 3.3.3 动态网络社区发现实验结果及分析 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 微博信息传播的流行度分析和预测 | 第44-54页 |
| 4.1 微博流行度 | 第44页 |
| 4.2 微博流行度实证分析 | 第44-47页 |
| 4.3 微博流行度预测模型 | 第47-49页 |
| 4.3.1 模型的建立 | 第47-48页 |
| 4.3.2 微博流行度预测模型的特征项 | 第48-49页 |
| 4.4 实验分析 | 第49-53页 |
| 4.4.1 归一化 | 第49-50页 |
| 4.4.2 针对不同流行度微博实验 | 第50页 |
| 4.4.3 针对不同时间段微博实验 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结和展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 未来展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 攻读学位期间发表的学术论文目录 | 第62页 |
