1 绪论 1
1.1 研究背景、目的和意义 1
1.2 国内外的研究现状 3
1.2.1 基于全局指标的关键用户挖掘方法 4
1.2.2 基于局部指标的关键用户挖掘方法 6
1.2.3 基于随机游走特性的关键用户挖掘方法 8
1.2.4 基于位置指标的关键用户挖掘策略 11
1.2.5 在线社交网络其他相关技术的研究现状 13
1.3 论文的研究内容 30
1.4 论文的组织结构 33
2 B BS热点话题意见领袖挖掘算法 37
2.1 BBS相关研究 37
2.1.1 基于BBS的网络模型 37
2.1.2 短文本聚类 38
2.1.3 意见领袖发现 39
2.2 话题意见领袖挖掘模型 39
2.2.1 用户回复网络模型 40
2.2.2 情感倾向分析模型 42
2.2.3 潜在狄利克雷分布 43
2.2.4 标题相似度计算和基于话题的聚集 43
2.3 实验结果分析 45
2.3.1 实验数据及参数设定 45
2.3.2 基于话题模型的数据集成与分析 46
2.3.3 意见领袖挖掘 50
2.3.4 对比实验分析 51
2.4 BBS活跃用户挖掘及应用研究 53
2.4.1 应用背景 54
2.4.2 基于论坛活跃用户识别的图书推荐方法 55
2.4.3 图书推荐实验结果与分析 56
2.4.4 基于用户相似度的图书系统推荐研究 60
2.5 本章小结 66
3 BBS持久话题中关键人物分析 69
3.1 BBS网络分析相关研究 69
3.1.1 BBS社会网络分析 69
3.1.2 话题提取 70
3.1.3 关键人物提取 70
3.2 社交网络持久话题提取模型 71
3.2.1 LDA话题模型 71
3.2.2 相似度评估模型 72
3.3 BBS面向持久话题的关键人物分析 73
3.3.1 话题识别与过滤统计 73
3.3.2 持久话题提取 74
3.3.3 结合情感分析的节点位置分析 74
3.4 实验结果分析 76
3.4.1 实验数据及参数设定 76
3.4.2 话题的识别 76
3.4.3 持续火热话题的识别 78
3.4.4 话题持续时间分析 78
3.4.5 节点位置数据迭代处理 79
3.4.6 SWNP值的分布特点 81
3.4.7 持久话题网络中核心人物提取 82
3.5 本章小结 84
4 微博信息溯源研究中关键用户提取算法 86
4.1 微博信息溯源的相关概念 86
4.1.1 信息扩散及信息级联 86
4.1.2 微博转发行为 88
4.1.3 微博中影响力分析 89
4.1.4 影响力指数和从众指数 89
4.2 微博信息传播算法 91
4.3 实验结果分析 93
4.3.1 实验数据及参数设定 93
4.3.2 级联和子图提取结果分析 93
4.3.3 发起者和早期重要参与者提取结果分析 95
4.3.4 溯源结果评估与确认 100
4.4 基于溯源的虚假信息控制策略 102
4.4.1 应用背景 102
4.4.2 虚假信息传播模型 102
4.4.3 虚假信息溯源及控制策略 103
4.4.4 实验与仿真 104
4.5 本章小结 111
5 微博信息传播引擎节点挖掘算法 113
5.1 信息传播引擎节点的相关概念 113
5.2 引擎节点挖掘算法 114
5.2.1 剪枝策略 114
5.2.2 生成策略 115
5.2.3 扩散系数 116
5.3 仿真实验及结果分析 116
5.3.1 实验数据及参数设定 116
5.3.2 级联提取结果分析 117
5.3.3 基于主题的信息传播扩散系数计算 117
5.3.4 确定引擎节点及结果评估 118
5.4 利用引擎节点实现高效微博营销 119
5.4.1 应用背景 119
5.4.2 微博营销模型 121
5.4.3 实验结果分析 122
5.5 本章小结 125
结论 126
中文参考文献 128
英文参考文献 132
后记 140