| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 研究意义 | 第15-16页 |
| 1.3 本文的主要研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第二章 用户产生内容的可信度评价方法综述 | 第18-24页 |
| 2.1 可信度概念及其研究角度 | 第18-19页 |
| 2.2 国内外研究现状 | 第19-23页 |
| 2.2.1 微博平台中用户产生内容的可信度评价方法综述 | 第20-21页 |
| 2.2.2 电商平台中用户产生内容的可信度评价方法综述 | 第21-23页 |
| 2.3 研究现状中存在的不足之处 | 第23-24页 |
| 第三章 基于CA-LDA的内容价值综合量化计算方法 | 第24-34页 |
| 3.1 主题模型概述 | 第24-27页 |
| 3.1.1 LDA主题模型 | 第24-26页 |
| 3.1.2 Gibbs采样 | 第26-27页 |
| 3.2 基于共同体感知的主题模型（CA-LDA） | 第27-31页 |
| 3.2.1 共同体感知模型 | 第27-28页 |
| 3.2.2 模型生成过程 | 第28-31页 |
| 3.2.3 模型参数学习 | 第31页 |
| 3.3 文本内容价值计算方法 | 第31-34页 |
| 3.3.1 主题熵分析 | 第31-32页 |
| 3.3.2 主题的共同体偏向分析 | 第32-33页 |
| 3.3.3 综合量化分析 | 第33-34页 |
| 第四章 基于HCNC的可信度评价方法 | 第34-47页 |
| 4.1 基于内容价值的可信网络（HCNC）构建 | 第34-39页 |
| 4.1.1 网络结构 | 第34-35页 |
| 4.1.2 连接关系及权重计算 | 第35-38页 |
| 4.1.3 节点可信度的初始值 | 第38-39页 |
| 4.2 基于图优化的可信度评价方法 | 第39-44页 |
| 4.2.1 预定义 | 第39-40页 |
| 4.2.2 图优化过程 | 第40-44页 |
| 4.3 模拟实验与参数评估 | 第44-47页 |
| 第五章 电商平台下用户产生内容可信度分析 | 第47-62页 |
| 5.1 研究的基本思路 | 第47-48页 |
| 5.2 评论内容可信度定义 | 第48-49页 |
| 5.3 数据准备 | 第49-52页 |
| 5.3.1 评论数据集描述 | 第49-51页 |
| 5.3.2 可信度评价基准 | 第51-52页 |
| 5.4 特征提取 | 第52-54页 |
| 5.4.1 语法特征 | 第52-53页 |
| 5.4.2 情感特征 | 第53-54页 |
| 5.4.3 用户特征 | 第54页 |
| 5.5 实验验证 | 第54-61页 |
| 5.5.1 排序实验设置 | 第55-56页 |
| 5.5.2 分类实验设置 | 第56-57页 |
| 5.5.3 HCNC模型参数设置 | 第57-58页 |
| 5.5.4 实验结果和分析 | 第58-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第六章 微博平台下用户产生内容可信度分析 | 第62-71页 |
| 6.1 研究的基本思路 | 第62-64页 |
| 6.2 数据采集 | 第64-65页 |
| 6.3 特征提取 | 第65-68页 |
| 6.4 实验验证 | 第68-70页 |
| 6.4.1 对比实验设置 | 第68页 |
| 6.4.2 HCNC模型参数设置 | 第68-69页 |
| 6.4.3 实验结果与分析 | 第69-70页 |
| 6.5 本章小结 | 第70-71页 |
| 第七章 总结与展望 | 第71-74页 |
| 7.1 本文的主要研究成果 | 第71-72页 |
| 7.2 本文的主要创新点 | 第72页 |
| 7.3 未来工作展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第78-79页 |
| 作者在攻读硕士学位期间所参与的项目 | 第79-80页 |
| 致谢 | 第80页 |
