社交網絡信息傳播

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 問題描述 4
1．2．2 解決方案 5
1．3 預測模型 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 19
參考文獻 20
第2章 熱門話題檢測 24
2．1 引言 24
2．2 熱點話題（PT）模型 25
2．2．1 熱點話題簡介 26
2．2．2 熱點話題 26
2．2．3 持續(xù)性話題 27
2．2．4 模型應用 27
2．3 在線話題模型（OLDA） 30
2．3．1 概率話題模型和LDA模型的應用 30
2．3．2 OLDA模型原理 31
2．3．3 OLDA模型的先進性 31
2．4 時間和社會話題評估（TSTE） 33
2．4．1 Twitter下的TSTE模型簡介 33
2．4．2 內容提取 34
2．4．3 用戶權威 35
2．4．4 內容衰退理論 36
2．4．5 從新關鍵詞到新話題 37
2．5 話題預測分析 37
2．5．1 趨勢預測 38
2．5．2 趨勢變化的原因 39
2．6 異常檢測算法下的話題發(fā)現 40
2．6．1 概率模型簡介 41
2．6．2 概率模型方法 41
2．7 本章小結 44
參考文獻 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 社交網絡的馬爾科夫模型 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 54
3．4．2 獨立級聯(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 影響力傳播計算算法 57
3．5 社交網絡中信息覆蓋最大化 58
3．5．1 信息覆蓋最大化問題簡介 58
3．5．2 信息覆蓋最大化問題的特征 59
3．5．3 信息覆蓋最大化問題的解決方法 60
3．6 在線影響力最大化 61
3．6．1 在線影響力最大化問題描述 61
3．6．2 節(jié)點選擇策略 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)模網絡下影響力最大化問題 64
3．7．2 增量算法的特征 65
3．8 線性閾值模型下的可擴展社交網絡影響力最大化 65
3．8．1 問題描述 65
3．8．2 LDAG算法 66
3．9 本章小結 66
參考文獻 66
第4章 收益最大化 69
4．1 引言 69
4．2 最佳營銷策略模型 70
4．2．1 模型簡介 70
4．2．2 正外部性 70
4．2．3 模型結果 71
4．2．4 市場策略 73
4．2．5 對稱設置最佳營銷策略 73
4．2．6 影響-拓展營銷策略 75
4．3 影響-拓展策略的效率 76
4．3．1 營銷策略的社交網絡模型 76
4．3．2 影響-拓展策略的效率 77
4．4 線性閾值模型下的收益最大化問題 77
4．4．1 用戶估值線性傳播模型（LT-V） 78
4．4．2 定價策略 79
4．5 固定價格銷售策略 81
4．6 商品數量受限時的收益最大化 82
4．6．1 問題陳述 82
4．6．2 PRUB算法 84
4．6．3 PRUB+IF算法 87
4．7 本章小結 88
參考文獻 88
下篇 工程實踐
第5章 輿情監(jiān)測 92
5．1 引言 92
5．2 輿情監(jiān)測相關技術 93
5．2．1 輿情熱點自動監(jiān)測設計 95
5．2．2 文檔關鍵詞提取設計 100
5．2．3 專題生成技術分析設計 102
5．2．4 主題生成技術分析設計 103
5．3 互聯(lián)網輿情監(jiān)測分析應用系統(tǒng) 104
5．3．1 互聯(lián)網輿情監(jiān)測分析系統(tǒng)結構 105
5．3．2 互聯(lián)網輿情監(jiān)測分析系統(tǒng)功能 107
5．4 典型輿情監(jiān)測系統(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 輿情呈現子系統(tǒng) 118
5．4．5 統(tǒng)一管理平臺 120
5．4．6 安全保障子系統(tǒng) 122
5．4．7 主要技術指標 123
5．5 其他輿情監(jiān)測系統(tǒng)介紹 124
5．5．1 人民網輿情系統(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 127
參考文獻 127
第6章 品牌推薦與保護 128
6．1 引言 128
6．2 網絡口碑營銷與網絡水軍 129
6．3 品牌推薦與保護關鍵技術 131
6．3．1 評論采集技術 132
6．3．2 自動評論技術 135
6．3．3 評論情感傾向性分析 139
6．4 品牌推薦與保護系統(tǒng) 142
6．4．1 系統(tǒng)架構 142
6．4．2 系統(tǒng)功能 145
6．4．3 系統(tǒng)數據存儲 151
6．5 網絡水軍識別研究現狀 152
6．5．1 網絡水軍識別簡介 152
6．5．2 網絡水軍識別的關鍵技術研究 154
6．6 本章小結 156
參考文獻 157
第7章 網站驗證碼識別 162
7．1 引言 162
7．2 驗證碼識別 163
7．2．1 驗證碼的概念 163
7．2．2 驗證碼分類 164
7．2．3 驗證碼識別框架 165
7．3 圖片預處理 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 干擾線去除 171
7．4 字符分割 173
7．4．1 字符分割簡介 173
7．4．2 K-Means聚類分割 174
7．4．3 投影分割 175
7．4．4 改進的連通區(qū)檢測 176
7．4．5 滴水分割算法 178
7．4．6 基于連通區(qū)檢測和投影算法結合的分割方法 180
7．5 字符識別 182
7．5．1 字符特征建模 182
7．5．2 特征庫生成 188
7．5．3 識別方法 190
7．6 實驗結果及分析 190
7．6．1 使用輪廓走勢特征的識別 191
7．6．2 分割并使用統(tǒng)計特征的識別 195
7．6．3 不分割且使用位圖特征的識別 199
7．7 驗證碼識別理論和技術在國內外的研究現狀 203
7．8 本章小結 205
參考文獻 205