首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于深度学习的社交网络跨媒体大数据搜索研究

摘要第5-7页
ABSTRACT第7-8页
第一章 绪论第12-18页
    1.1 研究背景及意义第12页
    1.2 国内外研究现状第12-15页
    1.3 研究内容第15-17页
        1.3.1 社交网络跨媒体信息的实时采集与特征提取第15-16页
        1.3.2 社交网络国民安全无关信息过滤第16页
        1.3.3 社交网络跨媒体搜索语义扩充搜索第16页
        1.3.4 基于深度学习的社交网络跨媒体大数据搜索系统实现第16-17页
    1.4 论文总体结构第17-18页
第二章 相关技术第18-28页
    2.1 搜索引擎原理第18-20页
        2.1.1 信息采集第18页
        2.1.2 文本预处理第18-19页
        2.1.3 索引第19页
        2.1.4 查询与排序第19-20页
    2.2 海量数据存储与处理技术第20-23页
        2.2.1 NoSQL数据库第20页
        2.2.2 搜索框架Elasticsearch第20-22页
        2.2.3 ELK技术栈第22-23页
    2.3 深度神经网络第23-27页
        2.3.1 卷积神经网络第23-24页
        2.3.2 词嵌入第24-25页
        2.3.3 循环神经网络和长短时记忆网络第25-27页
    2.4 本章小结第27-28页
第三章 社交网络跨媒体信息的实时采集与特征提取第28-36页
    3.1 跨媒体信息实时采集第28-31页
        3.1.1 采集系统架构第28-31页
        3.1.2 采集任务结果及分析第31页
    3.2 跨媒体信息存储与索引第31-32页
    3.3 跨媒体特征提取第32-34页
        3.3.1 图像特征提取第33页
        3.3.2 文本特征提取第33-34页
    3.4 本章小结第34-36页
第四章 社交网络国民安全无关信息过滤第36-42页
    4.1 对抗训练与对抗生成网络第36页
    4.2 文本对抗训练方法第36-37页
    4.3 基于对抗训练与用户特征的无关信息过滤方法(UADF)的提出第37页
    4.4 社交网络国民安全无关事件过滤的实验结果与分析第37-41页
        4.4.1 数据集第37-38页
        4.4.2 相关对比算法第38页
        4.4.3 评价指标第38-39页
        4.4.4 实验结果第39-41页
    4.5 本章小结第41-42页
第五章 社交网络跨媒体语义扩充搜索第42-52页
    5.1 图像描述方法第42-43页
    5.2 社交网络跨媒体语义扩充搜索算法的提出(CSEWE)第43-45页
    5.3 实验结果及分析第45-50页
        5.3.1 数据集第45-46页
        5.3.2 相关对比算法第46页
        5.3.3 评价指标第46-47页
        5.3.4 实验结果第47-50页
    5.4 本章小结第50-52页
第六章 社交网络跨媒体大数据搜索系统实现第52-64页
    6.1 需求分析第52页
    6.2 系统设计第52-53页
    6.3 数据库设计第53-56页
    6.4 模块设计第56-61页
        6.4.1 社交网络跨媒体信息实时采集模块第56-58页
        6.4.2 国民安全事件跨媒体特征提取与搜索模块第58-60页
        6.4.3 社交网络内容及用户特征分析模块第60-61页
    6.5 系统测试第61-62页
        6.5.1 测试环境第61-62页
        6.5.2 测试用例及结果第62页
    6.6 本章小结第62-64页
第七章 总结与展望第64-66页
    7.1 总结第64页
    7.2 展望第64-66页
参考文献第66-70页
致谢第70-71页
攻读学位期间研究成果第71页

论文共71页,点击 下载论文
上一篇:细胞外囊泡减轻大鼠缺血再灌注肾损伤的实验研究
下一篇:R-spondin1在应力调控骨代谢中的作用及机制研究