论文目录 | |
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-14页 |
| 第1章 绪论 | 第14-30页 |
| · 研究的背景和意义 | 第14-17页 |
| · 研究背景 | 第14-15页 |
| · 研究意义 | 第15-17页 |
| · 国内外研究现状 | 第17-26页 |
| · 国外研究现状 | 第17-21页 |
| · 国内研究现状 | 第21-24页 |
| · 研究评述 | 第24-26页 |
| · 主要内容和研究方法 | 第26-30页 |
| · 主要内容 | 第26-29页 |
| · 研究方法 | 第29-30页 |
| 第2章 在线社交网络拓扑及其对信息传播的影响分析 | 第30-51页 |
| · 在线社交网络与复杂网络 | 第30-34页 |
| · 在线社交网络 | 第30-31页 |
| · 复杂网络及其特征 | 第31-32页 |
| · 经典网络模型 | 第32-34页 |
| · 在线社交网络数据集 | 第34-35页 |
| · 国外在线社交网络数据集 | 第34页 |
| · 国内在线社交网络数据集 | 第34-35页 |
| · 在线社交网络分析 | 第35-37页 |
| · 基于复杂网络的在线社交网络分析 | 第35-36页 |
| · 在线社交网络拓扑与信息传播关系 | 第36-37页 |
| · 在线社交网络基本特征分析 | 第37-42页 |
| · 网络节点度分析 | 第37-39页 |
| · 网络密度和互惠性 | 第39-40页 |
| · 网络同配性分析 | 第40-42页 |
| · 在线社交网络大规模结构分析 | 第42-46页 |
| · 在线社交网络的小世界特征 | 第42-43页 |
| · 网络幂律分布和无标度特征 | 第43-46页 |
| · 在线社交网络拓扑性质与信息传播关系分析 | 第46-50页 |
| · 网络节点出度与信息传播行为的关系 | 第46-48页 |
| · 网络节点入度与信息传播行为的关系 | 第48-49页 |
| · 网络互惠性与信息传播行为的关系 | 第49-50页 |
| · 本章小结 | 第50-51页 |
| 第3章 融入超级传播机制的在线社交网络信息传播建模 | 第51-68页 |
| · 问题描述 | 第51-55页 |
| · 超级传播者 | 第51-52页 |
| · 新浪微博中的超级传播现象 | 第52-53页 |
| · 超级传播机制 | 第53-55页 |
| · 融入超级传播机制的在线社交网络信息传播建模 | 第55-60页 |
| · SIR 模型 | 第55-57页 |
| · 系统描述 | 第57页 |
| · 传播机制和模型 | 第57-60页 |
| · 融入超级传播机制的在线社交网络信息传播模型稳定性 | 第60-63页 |
| · 动力系统稳定性 | 第60-61页 |
| · 非线性系统线性化 | 第61-62页 |
| · 稳定性分析 | 第62-63页 |
| · 融入超级传播机制的在线社交网络信息传播模型仿真分析 | 第63-67页 |
| · 网络节点演化趋势分析 | 第63-64页 |
| · 传播概率的对传播行为的影响 | 第64-65页 |
| · 超级传播机制对未知者和免疫者的影响 | 第65-66页 |
| · 恢复概率对信息传播的影响 | 第66-67页 |
| · 本章小结 | 第67-68页 |
| 第4章 具有兴趣衰减和社会强化复合机制的信息传播建模 | 第68-89页 |
| · 问题的提出 | 第68-69页 |
| · 兴趣衰减和社会强化复合机制 | 第69-73页 |
| · 系统描述 | 第69-71页 |
| · 兴趣衰减机制 | 第71页 |
| · 社会强化机制 | 第71-73页 |
| · 具有兴趣衰减和社会强化复合机制的信息传播建模 | 第73-79页 |
| · 传播规则 | 第73-74页 |
| · 节点状态转移分析 | 第74-75页 |
| · ISCR 传播模型 | 第75-79页 |
| · 具有兴趣衰减和社会强化复合机制的信息传播模型分析 | 第79-81页 |
| · 具有兴趣衰减和社会强化复合机制的信息传播模型仿真 | 第81-88页 |
| · 兴趣衰减和社会强化对网络传播规模的影响机制分析 | 第82-83页 |
| · 恢复概率和社会强化机制对网络传播规模的影响分析 | 第83-86页 |
| · 恢复概率和传播概率对未知者的影响分析 | 第86-87页 |
| · 恢复概率和传播概率对传播规模的影响分析 | 第87-88页 |
| · 本章小结 | 第88-89页 |
| 第5章 基于合作竞争复合机制的多信息传播建模 | 第89-116页 |
| · 在线社交网络多信息传播现象 | 第89-90页 |
| · 种群动力学模型 | 第90-92页 |
| · Kolmogorov 模型 | 第90-91页 |
| · Lotka-Volterra 模型 | 第91-92页 |
| · 基于传播速度的在线社交网络信息传播模型 | 第92-97页 |
| · 信息传播系统描述 | 第92-94页 |
| · 消息传播速度建模 | 第94-95页 |
| · 消息传播速度拟合 | 第95-97页 |
| · 基于种群动力学的在线社交网络多信息传播建模 | 第97-100页 |
| · 信息传播的合作和竞争机制 | 第97页 |
| · 多信息传播的 Lotka-Volterra 合作竞争模型 | 第97-100页 |
| · 在线社交网络多信息传播模型分析 | 第100-110页 |
| · 复合系统对信息传播的促进作用 | 第100页 |
| · 平衡点存在性 | 第100-102页 |
| · 系统平衡点 | 第102-104页 |
| · 稳定性分析 | 第104-110页 |
| · 新浪微博数据抓取及统计 | 第110页 |
| · 在线社交网络多信息传播模型仿真分析 | 第110-114页 |
| · 双低制约系数 | 第111-112页 |
| · 差异化制约系数 | 第112-113页 |
| · 双高制约系数 | 第113-114页 |
| · 本章小结 | 第114-116页 |
| 第6章 在线社交网络信息转发预测建模 | 第116-144页 |
| · 在线社交网络转发数据描述 | 第116-118页 |
| · 在线社交网络用户转发因素分析 | 第118-130页 |
| · 用户特征属性 | 第118-121页 |
| · 用户行为属性 | 第121-123页 |
| · 用户活跃度 | 第123-126页 |
| · 用户兴趣相似性 | 第126-129页 |
| · 转发特征指标体系 | 第129-130页 |
| · 在线社交网络信息转发预测模型构建 | 第130-137页 |
| · 分类预测模型比较 | 第130-133页 |
| · 预测结果评估方法 | 第133-136页 |
| · 转发预测模型设计 | 第136-137页 |
| · 在线社交网络信息转发预测结果分析 | 第137-143页 |
| · 模型预测分析 | 第137-141页 |
| · 不同用户属性的转发预测性能 | 第141-143页 |
| · 结果分析 | 第143页 |
| · 本章小结 | 第143-144页 |
| 结论 | 第144-147页 |
| 参考文献 | 第147-157页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第157-158页 |
| 致谢 | 第158-160页 |
| 作者简介 | 第160页 |
