互聯(lián)網(wǎng)應(yīng)用的普及使得在線媒體已成為人們獲取與分享信息的主要方式之一。很多實際的互聯(lián)網(wǎng)應(yīng)用都包含網(wǎng)絡(luò)結(jié)構(gòu),如社交網(wǎng)絡(luò)、公司之間的競爭關(guān)系網(wǎng)絡(luò)。在線媒體數(shù)據(jù)在網(wǎng)絡(luò)節(jié)點之間的相互傳遞就形成了信息的流動。一方面,數(shù)據(jù)中可能包含謠言、虛假廣告等惡意信息的撒布;另一方面,大部分互聯(lián)網(wǎng)應(yīng)用具有開放性,允許與其他應(yīng)用之間進行數(shù)據(jù)共享與信息交流,進而形成一個正反饋的信息流動效應(yīng)。因此,深入研究在線媒體數(shù)據(jù)中的信息流動,不僅對準確刻畫網(wǎng)絡(luò)信息傳播機制,還是對群體行為分析與社會輿情監(jiān)控、避免惡意信息傳播,乃至對社會學(xué)、行政學(xué)、管理學(xué)等相關(guān)學(xué)科的理論研究,都具有十分重要的意義。為此,圍繞在線媒體的信息流動模式分析及流行度預(yù)測,分別從刻畫網(wǎng)絡(luò)節(jié)點之間信息流動(微觀層面)、發(fā)現(xiàn)網(wǎng)絡(luò)信息傳播源頭(宏觀層面)、結(jié)合在線媒體信息流動進行預(yù)測(應(yīng)用層面),開展了三方面研究:基于潛在影響因素的在線招聘需求分析,網(wǎng)絡(luò)信息傳播源頭檢測,以及基于信息流動的在線連載內(nèi)容流行度預(yù)測。具體如下,首先,從以潛在影響因素刻畫競爭關(guān)系網(wǎng)絡(luò)中節(jié)點之間信息流動的角度,研究了在線招聘需求分析問題。公司之間因人才、業(yè)務(wù)等競爭形成了以公司為節(jié)點的競爭...

【文章頁數(shù)】：115 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 節(jié)點間信息傳播分析
        1.2.2 網(wǎng)絡(luò)信息源檢測
        1.2.3 信息流動相關(guān)應(yīng)用
    1.3 研究內(nèi)容與創(chuàng)新點
    1.4 組織結(jié)構(gòu)
第2章 基于潛在影響因素的在線招聘需求分析
    2.1 引言
    2.2 相關(guān)工作
        2.2.1 人才管理數(shù)據(jù)分析
        2.2.2 基于圖模型的文本挖掘
    2.3 預(yù)備知識與問題定義
    2.4 基于潛在影響因素的在線招聘需求分析方法
        2.4.1 模型框架
        2.4.2 先驗知識提取
        2.4.3 參數(shù)估計
    2.5 實驗分析
        2.5.1 數(shù)據(jù)集
        2.5.2 實驗設(shè)置
        2.5.3 招聘需求預(yù)測
        2.5.4 招聘需求可視化
        2.5.5 招聘競爭分析
    2.6 小結(jié)
第3章 網(wǎng)絡(luò)信息傳播源頭檢測
    3.1 引言
    3.2 相關(guān)工作
        3.2.1 信息傳播建模
        3.2.2 信息源檢測
    3.3 預(yù)備知識與問題定義
        3.3.1 問題定義
        3.3.2 Rumor Centrality
    3.4 基于最大化后驗概率的網(wǎng)絡(luò)信息傳播源頭檢測方法
        3.4.1 方法框架
        3.4.2 先驗知識選擇
        3.4.3 似然函數(shù)推導(dǎo)
        3.4.4 兩個特例
    3.5 最大化后驗概率近似估計
        3.5.1 暴力搜索近似
        3.5.2 貪心搜索邊界近似
    3.6 實驗分析
        3.6.1 數(shù)據(jù)集
        3.6.2 對比方法與評價指標(biāo)
        3.6.3 不同先驗知識的影響
        3.6.4 Scale-Free網(wǎng)絡(luò)上的檢測結(jié)果
        3.6.5 其他網(wǎng)絡(luò)上的檢測結(jié)果
    3.7 小結(jié)
第4章 基于信息流動的在線連載內(nèi)容流行度預(yù)測
    4.1 引言
    4.2 相關(guān)工作
        4.2.1 在線內(nèi)容的流行度預(yù)測
        4.2.2 時間序列預(yù)測
    4.3 預(yù)備知識與問題定義
    4.4 樸素自回歸模型
        4.4.1 共享參數(shù)
        4.4.2 私有參數(shù)
    4.5 轉(zhuǎn)移自回歸模型
        4.5.1 單鏈轉(zhuǎn)移自回歸模型
        4.5.2 在線連載內(nèi)容品質(zhì)評估
    4.6 實驗分析
        4.6.1 數(shù)據(jù)集
        4.6.2 對比方法與評價指標(biāo)
        4.6.3 樸素自回歸模型預(yù)測效果
        4.6.4 轉(zhuǎn)移自回歸模型預(yù)測效果
        4.6.5 模型對比
        4.6.6 案例分析
    4.7 小結(jié)
第5章 工作總結(jié)與未來展望
    5.1 工作總結(jié)
    5.2 不足之處與未來展望
參考文獻
附錄A 模型TMRDA的吉布斯采樣公式推導(dǎo)過程
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果



本文編號：3759472