社交網(wǎng)絡(luò)信息傳播

上篇 理論研究
第1章 傳播模型 2
1．1 引言 2
1．2 解釋模型 4
1．2．1 問(wèn)題描述 4
1．2．2 解決方案 5
1．3 預(yù)測(cè)模型 10
1．3．1 基于圖形的方法 10
1．3．2 基于非圖形的方法 15
1．4 本章小結(jié) 19
參考文獻(xiàn) 20
第2章 熱門(mén)話(huà)題檢測(cè) 24
2．1 引言 24
2．2 熱點(diǎn)話(huà)題（PT）模型 25
2．2．1 熱點(diǎn)話(huà)題簡(jiǎn)介 26
2．2．2 熱點(diǎn)話(huà)題 26
2．2．3 持續(xù)性話(huà)題 27
2．2．4 模型應(yīng)用 27
2．3 在線(xiàn)話(huà)題模型（OLDA） 30
2．3．1 概率話(huà)題模型和LDA模型的應(yīng)用 30
2．3．2 OLDA模型原理 31
2．3．3 OLDA模型的先進(jìn)性 31
2．4 時(shí)間和社會(huì)話(huà)題評(píng)估（TSTE） 33
2．4．1 Twitter下的TSTE模型簡(jiǎn)介 33
2．4．2 內(nèi)容提取 34
2．4．3 用戶(hù)權(quán)威 35
2．4．4 內(nèi)容衰退理論 36
2．4．5 從新關(guān)鍵詞到新話(huà)題 37
2．5 話(huà)題預(yù)測(cè)分析 37
2．5．1 趨勢(shì)預(yù)測(cè) 38
2．5．2 趨勢(shì)變化的原因 39
2．6 異常檢測(cè)算法下的話(huà)題發(fā)現(xiàn) 40
2．6．1 概率模型簡(jiǎn)介 41
2．6．2 概率模型方法 41
2．7 本章小結(jié) 44
參考文獻(xiàn) 45

第3章 影響力最大化 47
3．1 引言 47
3．2 影響力最大化基本概念 48
3．2．1 影響力最大化的描述 48
3．2．2 社交網(wǎng)絡(luò)的馬爾科夫模型 49
3．3 影響力最大化基本算法 51
3．3．1 啟發(fā)式算法 51
3．3．2 貪心算法 52
3．4 新鮮度衰減情況下影響力最大化算法 53
3．4．1 新鮮度衰減函數(shù) 54
3．4．2 獨(dú)立級(jí)聯(lián)模型下的新鮮度衰減 54
3．4．3 貪心算法的優(yōu)化 55
3．4．4 影響力傳播計(jì)算算法 57
3．5 社交網(wǎng)絡(luò)中信息覆蓋最大化 58
3．5．1 信息覆蓋最大化問(wèn)題簡(jiǎn)介 58
3．5．2 信息覆蓋最大化問(wèn)題的特征 59
3．5．3 信息覆蓋最大化問(wèn)題的解決方法 60
3．6 在線(xiàn)影響力最大化 61
3．6．1 在線(xiàn)影響力最大化問(wèn)題描述 61
3．6．2 節(jié)點(diǎn)選擇策略 62
3．6．3 更新不確定影響概率圖 63
3．7 流式子圖的增量算法 63
3．7．1 大規(guī)模網(wǎng)絡(luò)下影響力最大化問(wèn)題 64
3．7．2 增量算法的特征 65
3．8 線(xiàn)性閾值模型下的可擴(kuò)展社交網(wǎng)絡(luò)影響力最大化 65
3．8．1 問(wèn)題描述 65
3．8．2 LDAG算法 66
3．9 本章小結(jié) 66
參考文獻(xiàn) 66
第4章 收益最大化 69
4．1 引言 69
4．2 最佳營(yíng)銷(xiāo)策略模型 70
4．2．1 模型簡(jiǎn)介 70
4．2．2 正外部性 70
4．2．3 模型結(jié)果 71
4．2．4 市場(chǎng)策略 73
4．2．5 對(duì)稱(chēng)設(shè)置最佳營(yíng)銷(xiāo)策略 73
4．2．6 影響-拓展?fàn)I銷(xiāo)策略 75
4．3 影響-拓展策略的效率 76
4．3．1 營(yíng)銷(xiāo)策略的社交網(wǎng)絡(luò)模型 76
4．3．2 影響-拓展策略的效率 77
4．4 線(xiàn)性閾值模型下的收益最大化問(wèn)題 77
4．4．1 用戶(hù)估值線(xiàn)性傳播模型（LT-V） 78
4．4．2 定價(jià)策略 79
4．5 固定價(jià)格銷(xiāo)售策略 81
4．6 商品數(shù)量受限時(shí)的收益最大化 82
4．6．1 問(wèn)題陳述 82
4．6．2 PRUB算法 84
4．6．3 PRUB+IF算法 87
4．7 本章小結(jié) 88
參考文獻(xiàn) 88
下篇 工程實(shí)踐
第5章 輿情監(jiān)測(cè) 92
5．1 引言 92
5．2 輿情監(jiān)測(cè)相關(guān)技術(shù) 93
5．2．1 輿情熱點(diǎn)自動(dòng)監(jiān)測(cè)設(shè)計(jì) 95
5．2．2 文檔關(guān)鍵詞提取設(shè)計(jì) 100
5．2．3 專(zhuān)題生成技術(shù)分析設(shè)計(jì) 102
5．2．4 主題生成技術(shù)分析設(shè)計(jì) 103
5．3 互聯(lián)網(wǎng)輿情監(jiān)測(cè)分析應(yīng)用系統(tǒng) 104
5．3．1 互聯(lián)網(wǎng)輿情監(jiān)測(cè)分析系統(tǒng)結(jié)構(gòu) 105
5．3．2 互聯(lián)網(wǎng)輿情監(jiān)測(cè)分析系統(tǒng)功能 107
5．4 典型輿情監(jiān)測(cè)系統(tǒng) 108
5．4．1 信息采集子系統(tǒng) 111
5．4．2 輿情分析子系統(tǒng) 113
5．4．3 輿情處理子系統(tǒng) 115
5．4．4 輿情呈現(xiàn)子系統(tǒng) 118
5．4．5 統(tǒng)一管理平臺(tái) 120
5．4．6 安全保障子系統(tǒng) 122
5．4．7 主要技術(shù)指標(biāo) 123
5．5 其他輿情監(jiān)測(cè)系統(tǒng)介紹 124
5．5．1 人民網(wǎng)輿情系統(tǒng) 124
5．5．2 拓爾思 124
5．5．3 鷹擊系統(tǒng) 125
5．5．4 Buzzlogic 125
5．5．5 Nielsen 125
5．5．6 Reputation Defender 126
5．5．7 Visible Technologies 126
5．5．8 Cision 126
5．6 本章小結(jié) 127
參考文獻(xiàn) 127
第6章 品牌推薦與保護(hù) 128
6．1 引言 128
6．2 網(wǎng)絡(luò)口碑營(yíng)銷(xiāo)與網(wǎng)絡(luò)水軍 129
6．3 品牌推薦與保護(hù)關(guān)鍵技術(shù) 131
6．3．1 評(píng)論采集技術(shù) 132
6．3．2 自動(dòng)評(píng)論技術(shù) 135
6．3．3 評(píng)論情感傾向性分析 139
6．4 品牌推薦與保護(hù)系統(tǒng) 142
6．4．1 系統(tǒng)架構(gòu) 142
6．4．2 系統(tǒng)功能 145
6．4．3 系統(tǒng)數(shù)據(jù)存儲(chǔ) 151
6．5 網(wǎng)絡(luò)水軍識(shí)別研究現(xiàn)狀 152
6．5．1 網(wǎng)絡(luò)水軍識(shí)別簡(jiǎn)介 152
6．5．2 網(wǎng)絡(luò)水軍識(shí)別的關(guān)鍵技術(shù)研究 154
6．6 本章小結(jié) 156
參考文獻(xiàn) 157
第7章 網(wǎng)站驗(yàn)證碼識(shí)別 162
7．1 引言 162
7．2 驗(yàn)證碼識(shí)別 163
7．2．1 驗(yàn)證碼的概念 163
7．2．2 驗(yàn)證碼分類(lèi) 164
7．2．3 驗(yàn)證碼識(shí)別框架 165
7．3 圖片預(yù)處理 166
7．3．1 圖像灰度化 168
7．3．2 圖像二值化 169
7．3．3 圖像去噪 170
7．3．4 干擾線(xiàn)去除 171
7．4 字符分割 173
7．4．1 字符分割簡(jiǎn)介 173
7．4．2 K-Means聚類(lèi)分割 174
7．4．3 投影分割 175
7．4．4 改進(jìn)的連通區(qū)檢測(cè) 176
7．4．5 滴水分割算法 178
7．4．6 基于連通區(qū)檢測(cè)和投影算法結(jié)合的分割方法 180
7．5 字符識(shí)別 182
7．5．1 字符特征建模 182
7．5．2 特征庫(kù)生成 188
7．5．3 識(shí)別方法 190
7．6 實(shí)驗(yàn)結(jié)果及分析 190
7．6．1 使用輪廓走勢(shì)特征的識(shí)別 191
7．6．2 分割并使用統(tǒng)計(jì)特征的識(shí)別 195
7．6．3 不分割且使用位圖特征的識(shí)別 199
7．7 驗(yàn)證碼識(shí)別理論和技術(shù)在國(guó)內(nèi)外的研究現(xiàn)狀 203
7．8 本章小結(jié) 205
參考文獻(xiàn) 205