社交網絡競爭性信息傳播與用戶行為分析

目 錄
第1章 社交網絡概述\t1
1．1 社交網絡分析\t1
1．2 社交網絡競爭性信息傳播分析\t4
1．2．1 經典信息擴散模型\t4
1．2．2 數(shù)據(jù)驅動傳播模型\t6
1．2．3 社會博弈模型\t8
1．2．4 基于傳染病的模型\t9
1．2．5 基于物理系統(tǒng)的模型\t11
1．3 社交網絡用戶行為分析\t12
1．3．1 社交網絡群體行為分析\t12
1．3．2 社交網絡用戶興趣行為分析\t13
1．3．3 社交網絡異常用戶分析\t13
1．3．4 社交網絡用戶影響力行為分析\t14
1．3．5 社交網絡用戶鏈路預測行為分析\t14
1．4 社交網絡分析理論基礎\t15
1．4．1 六度分隔理論\t15
1．4．2 鄧巴數(shù)字\t15
1．4．3 強關系與弱關系\t16
1．4．4 三度影響力\t16
1．4．5 度中心性\t16
1．5 本章小結\t17
參考文獻\t17
第2章 社交網絡競爭性信息正向傳播與逆向反饋機制研究\t19
2．1 概述\t19
2．2 社交網絡競爭性信息正向傳播與逆向反饋\t19
2．2．1 節(jié)點級競爭傳播與反饋\t20
2．2．2 系統(tǒng)級競爭傳播與反饋\t24
2．3 社交網絡競爭信息傳播生命周期\t26
2．3．1 三階段傳播行為\t27
2．3．2 轟傳時間點\t27
2．3．3 傳播生存周期\t28
2．4 本章小結\t29
參考文獻\t29
第3章 社交網絡競爭性信息擴散微觀概率模型研究\t31
3．1 概述\t31
3．2 社交網絡競爭性信息擴散微觀概率模型構建\t31
3．2．1 競爭性信息擴散過程分析\t31
3．2．2 競爭性信息擴散微觀概率模型構建\t33
3．3 實驗結果與分析\t37
3．3．1 數(shù)值模擬\t37
3．3．2 實證對比與結果分析\t40
3．4 本章小結\t46
參考文獻\t47
第4章 社交網絡競爭性信息傳播宏觀演化模型研究\t48
4．1 概述\t48
4．2 社交網絡競爭性信息傳播宏觀演化模型構建\t48
4．2．1 競爭傳播演化過程分析\t48
4．2．2 競爭性信息傳播宏觀演化模型構建\t51
4．3 社交網絡競爭性信息傳播宏觀模型分析\t52
4．4 實驗結果與分析\t58
4．4．1 敏感性分析\t58
4．4．2 仿真分析\t60
4．4．3 實證對比與結果分析\t82
4．5 本章小結\t86
參考文獻\t86
第5章 社交網絡群體用戶行為分析\t88
5．1 概述\t88
5．2 相關研究工作\t89
5．3 社交網絡群體結構分析\t90
5．4 所提社交網絡群體發(fā)現(xiàn)方法\t93
5．4．1 局部距離拉普拉斯模型\t93
5．4．2 節(jié)點秩優(yōu)化函數(shù)\t95
5．5 實驗結果與分析\t96
5．5．1 評估指標\t96
5．5．2 人工網絡性能比較\t97
5．5．3 真實網絡性能比較\t99
5．6 本章小結\t106
參考文獻\t106
第6章 社交網絡用戶興趣行為分析\t108
6．1 社交網絡用戶關系圖譜\t108
6．1．1 種子用戶\t109
6．1．2 微博用戶\t110
6．2 社交網絡用戶區(qū)域分析\t111
6．3 社交網絡用戶性別和年齡分析\t112
6．4 社交網絡用戶興趣行為建模分析\t113
6．4．1 社交網絡用戶特征提取\t113
6．4．2 社交網絡用戶行為興趣模型與結果分析\t114
6．5 本章小結\t118
參考文獻\t118
第7章 社交網絡異常用戶行為分析\t120
7．1 基于加權隨機森林的社交網絡異常用戶模型\t120
7．2 基于粒子群優(yōu)化的隨機森林異常檢測分類\t123
7．3 社交網絡異常用戶分類結果與對比分析\t127
7．4 本章小結\t129
參考文獻\t129
第8章 社交網絡用戶影響力行為分析\t131
8．1 相關工作\t132
8．2 傳統(tǒng)影響力最大化問題的傳播方法\t133
8．2．1 獨立級聯(lián)模型\t133
8．2．2 線性閾值模型\t134
8．2．3 權重級聯(lián)模型\t135
8．2．4 貪心算法\t135
8．2．5 單次折扣算法\t135
8．2．6 PMIA算法\t136
8．3 構建社交網絡用戶影響力最大的方法\t136
8．3．1 NAV函數(shù)和DMAP優(yōu)化函數(shù)\t136
8．3．2 基于候選種子集的優(yōu)化策略\t137
8．3．3 用戶影響力最大化DLIM算法\t140
8．4 基于微博社交網絡的關鍵用戶分析\t141
8．4．1 社交網絡用戶影響力計算方法\t141
8．4．2 計算用戶的自身質量\t141
8．4．3 用戶行為特征權值影響力\t142
8．4．4 微博關鍵用戶挖掘過程及結果分析\t142
8．5 實驗結果與分析\t143
8．5．1 參數(shù)設置與說明\t143
8．5．2 社交網絡用戶影響力分析\t144
8．5．3 微博關鍵用戶傳播影響范圍對比分析\t147
8．6 本章小結\t151
參考文獻\t151
第9章 社交網絡鏈路預測行為分析\t153
9．1 社交網絡鏈路預測分析\t153
9．2 算法的時間與空間復雜度分析\t155
9．3 實驗設計\t156
9．3．1 數(shù)據(jù)集\t156
9．3．2 評估指標\t157
9．3．3 對比方法\t157
9．4 實驗結果分析\t157
9．4．1 LPCD算法與基于局部信息的鏈路預測算法對比分析\t157
9．4．2 LPCD算法與基于路徑的鏈路預測算法比較分析\t159
9．5 GN社區(qū)劃分算法對鏈路預測算法的影響分析\t160
9．5．1 GN算法對基于局部信息的鏈路預測算法的影響\t160
9．5．2 GN算法對基于路徑的鏈路預測算法的影響\t161
9．6 各類算法消耗的時間比較\t162
9．7 本章小結\t163
參考文獻\t163
第10章 社交網絡熱點預測用戶行為分析\t165
10．1 社交網絡熱度預測分析\t165
10．1．1 熱度預測概述\t165
10．1．2 傳統(tǒng)熱度預測模型\t166
10．1．3 評價標準\t166
10．1．4 優(yōu)化的ARWMA模型\t167
10．1．5 今日頭條新聞預測結果與分析\t169
10．2 社交網絡熱點話題預測分析\t175
10．2．1 話題流行度預測模型\t175
10．2．2 優(yōu)化的隨機森林算法（IMRF）\t179
10．2．3 實驗結果與分析\t179
10．3 本章小結\t185
參考文獻\t185