| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第15-34页 |
| 1.1 课题的背景及意义 | 第15-16页 |
| 1.2 研究现状与分析 | 第16-30页 |
| 1.2.1 虚假信息检测 | 第16-24页 |
| 1.2.2 文本表示学习 | 第24-30页 |
| 1.3 本文的研究内容及章节安排 | 第30-34页 |
| 第2章 基于依存分析及矛盾词向量学习的矛盾检测 | 第34-56页 |
| 2.1 引言 | 第34-37页 |
| 2.2 基于依存句法生成三元组的矛盾检测方法 | 第37-42页 |
| 2.2.1 基于依存句法分析的三元组抽取 | 第40-41页 |
| 2.2.2 基于语义相似度计算的三元组对齐 | 第41-42页 |
| 2.2.3 矛盾检测特征提取 | 第42页 |
| 2.3 基于矛盾词向量学习的矛盾检测方法 | 第42-47页 |
| 2.3.1 矛盾词向量学习语料的构建 | 第42-43页 |
| 2.3.2 矛盾词向量学习模型 | 第43-45页 |
| 2.3.3 基于卷积神经网络的句子级矛盾检测模型 | 第45-47页 |
| 2.4 实验结果与分析 | 第47-54页 |
| 2.4.1 基于依存句法生成三元组的矛盾检测实验 | 第47-49页 |
| 2.4.2 基于矛盾词向量学习的矛盾检测实验 | 第49-54页 |
| 2.5 小结 | 第54-56页 |
| 第3章 基于句子权重的虚假信息检测 | 第56-73页 |
| 3.1 引言 | 第56-58页 |
| 3.2 基于句子权重的文档表示学习模型的检测系统框架 | 第58-60页 |
| 3.2.1 任务定义 | 第59页 |
| 3.2.2 算法框架 | 第59-60页 |
| 3.3 基于文档表示学习的虚假信息检测方法 | 第60-64页 |
| 3.3.1 句间卷积神经网络模型 | 第60-61页 |
| 3.3.2 基于句子权重的卷积神经网络模型 | 第61-64页 |
| 3.4 实验结果与分析 | 第64-72页 |
| 3.4.1 实验数据 | 第64-65页 |
| 3.4.2 跨领域虚假信息检测 | 第65-67页 |
| 3.4.3 领域混合虚假信息检测 | 第67-70页 |
| 3.4.4 模型分析 | 第70-72页 |
| 3.5 小结 | 第72-73页 |
| 第4章 基于记忆神经网络的虚假信息检测 | 第73-88页 |
| 4.1 引言 | 第73-75页 |
| 4.2 融合信息源可靠度的检测系统框架 | 第75-77页 |
| 4.2.1 任务定义 | 第75-76页 |
| 4.2.2 算法框架 | 第76-77页 |
| 4.3 基于记忆神经网络的虚假信息检测方法 | 第77-81页 |
| 4.3.1 前馈记忆神经网络虚假检测模型 | 第78页 |
| 4.3.2 反馈记忆神经网络虚假检测模型 | 第78-81页 |
| 4.4 实验结果与分析 | 第81-87页 |
| 4.4.1 实验数据 | 第81-82页 |
| 4.4.2 实验评价指标 | 第82页 |
| 4.4.3 基线方法 | 第82-83页 |
| 4.4.4 实验结果 | 第83-85页 |
| 4.4.5 模型分析 | 第85-87页 |
| 4.5 小结 | 第87-88页 |
| 第5章 基于注意力模型的虚假信息检测 | 第88-104页 |
| 5.1 引言 | 第88-89页 |
| 5.2 融合用户反馈的检测系统框架 | 第89-92页 |
| 5.2.1 任务定义 | 第89-90页 |
| 5.2.2 算法框架 | 第90-92页 |
| 5.3 基于注意力神经网络的虚假信息检测方法 | 第92-95页 |
| 5.3.1 基于时间序列的注意力模型 | 第92-93页 |
| 5.3.2 基于内容的注意力模型 | 第93-95页 |
| 5.4 实验结果与分析 | 第95-103页 |
| 5.4.1 实验数据 | 第96-97页 |
| 5.4.2 基线方法 | 第97页 |
| 5.4.3 实验结果 | 第97-102页 |
| 5.4.4 模型分析 | 第102-103页 |
| 5.5 小结 | 第103-104页 |
| 结论 | 第104-106页 |
| 参考文献 | 第106-122页 |
| 攻读博士学位期间发表的论文及其他成果 | 第122-124页 |
| 致谢 | 第124-126页 |
| 个人简历 | 第126页 |