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 |