基于感知信任模型的用户隐私等级评估算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究的目的和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.3.1 国外研究现状 | 第10-12页 |
| 1.3.2 国内研究现状 | 第12-13页 |
| 1.3.3 国内外文献综述简析 | 第13页 |
| 1.4 主要研究内容 | 第13-18页 |
| 1.4.1 研究内容 | 第13-15页 |
| 1.4.2 拟解决的关键问题 | 第15-18页 |
| 1.5 论文结构 | 第18-20页 |
| 第2章 基于感知信任框架的风险评估模型 | 第20-40页 |
| 2.1 引言 | 第20-21页 |
| 2.2 隐私及其相关理论 | 第21-24页 |
| 2.2.1 隐私 | 第21-22页 |
| 2.2.2 隐私泄露 | 第22-24页 |
| 2.2.3 隐私感知信任 | 第24页 |
| 2.3 隐私评估模型综述 | 第24-27页 |
| 2.3.1 Rasch模型 | 第25-26页 |
| 2.3.2 IRT模型 | 第26-27页 |
| 2.3.3 感知信任框架 | 第27页 |
| 2.4 基于感知信任的评估模型 | 第27-39页 |
| 2.4.1 微博用户隐私 | 第31-36页 |
| 2.4.2 感知信任算法 | 第36-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第3章 社交风险评估 | 第40-52页 |
| 3.1 引言 | 第40-41页 |
| 3.2 信息传播概率模型 | 第41-43页 |
| 3.2.1 SIR模型 | 第41-42页 |
| 3.2.2 基于SIR的小世界网络传播模型 | 第42页 |
| 3.2.3 基于社交强度的信息传播模型 | 第42-43页 |
| 3.2.4 基于网络拓扑的传播模型 | 第43页 |
| 3.3 社交风险评估 | 第43-51页 |
| 3.3.1 节点传播概率 | 第47-48页 |
| 3.3.2 基于机器学习的链接传播概率 | 第48-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 内容风险评估 | 第52-60页 |
| 4.1 引言 | 第52-53页 |
| 4.2 内容检测 | 第53-54页 |
| 4.2.1 基于文档平滑的内容检测 | 第53页 |
| 4.2.2 基于贝叶斯的二级分类 | 第53-54页 |
| 4.2.3 逻辑回归算法 | 第54页 |
| 4.3 基于CRF的中文命名实体识别 | 第54-56页 |
| 4.4 基于逻辑回归的内容风险评估 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 模型检验及结果讨论 | 第60-80页 |
| 5.1 引言 | 第60-61页 |
| 5.2 实验数据 | 第61页 |
| 5.3 BIRNBAUM’SMEASURE | 第61-63页 |
| 5.4 模型检验 | 第63-77页 |
| 5.4.1 数据获取及预处理 | 第63-64页 |
| 5.4.2 PA及PT对模型的影响 | 第64-67页 |
| 5.4.3 社交风险评估检验 | 第67-69页 |
| 5.4.4 内容风险评估检验 | 第69-70页 |
| 5.4.5 TAPE模型验证 | 第70-77页 |
| 5.5 结果讨论 | 第77-78页 |
| 5.6 本章小结 | 第78-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第86-88页 |
| 致谢 | 第88页 |
