基于用户偏好的社交网络影响力最大化研究与应用

声明

1绪论

1.1研究背景及意义

1.2国内外研究现状

1.2.1 影响力传播模型

1.2.2 社交网络影响力最大化

1.2.3 当前研究总结

1.3研究内容

1.4本文组织结构

2社交网络处理技术

2.1矩阵分解

2.2影响力模型

2.2.1 IC模型

2.2.2 LT模型

2.3影响力最大化算法

2.3.1 Greedy算法

2.3.2 CELF算法

2.3.2 DegreeDiscount算法

2.4本章小结

3基于用户偏好的社交网络最大化模型

3.1融入用户与产品信息的社交网络最大化问题

3.2矩阵分解判定用户偏好

3.2.1 矩阵分解模型

3.2.2 模型训练

3.2.3 冷启动问题

3.3传播模型的优化

3.3.1 UPDM传播模型

3.3.2 UPDM模型下的传播算法

3.4社交网络最大化算法的优化

3.4.1 Adjust-Greedy算法

3.4.2 Adjust-CELF算法

3.4.3 Adjust-DegreeDiscount算法

3.5本章小结

4实验评价与结果分析

4.1实验环境

4.2实验数据集

4.3评价指标及实验参数设置

4.4实验结果

4.4.1种子集大小

4.4.2 传播模型

4.4.3 Adjust-Greedy算法优化效果

4.4.4 Adjust-CELF算法优化效果

4.4.5 Adjust-DegreeDiscount算法优化效果

4.4.6各优化算法对比效果

4.5本章小结

5 IMMUP在系统中的应用

5.1应用背景

5.2应用需求说明

5.2.1 系统总体需求

5.2.2 相关技术

5.3系统设计

5.3.1 系统架构设计

5.3.2 数据库设计

5.4产品推荐策略

5.4.1 老产品推广

5.4.2 新产品推广

5.5系统实现

5.6本章小结

6总结与展望

6.1总结

6.2展望

参考文献

致谢

攻读学位期间的研究成果目录