摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第14-25页 |
1.1 研究背景 | 第14-15页 |
1.2 研究现状 | 第15-22页 |
1.2.1 话题识别与追踪研究现状 | 第15-16页 |
1.2.2 话题识别与追踪模型研究现状 | 第16-20页 |
1.2.3 信念网络及应用研究现状 | 第20-22页 |
1.3 研究内容与研究目标 | 第22-23页 |
1.4 论文主要创新点 | 第23页 |
1.5 论文组织结构 | 第23-25页 |
第2章 研究基础 | 第25-53页 |
2.1 话题识别与追踪及性能评价 | 第25-42页 |
2.1.1 话题识别与追踪 | 第25-28页 |
2.1.2 经典话题模型 | 第28-34页 |
2.1.3 性能评价 | 第34-37页 |
2.1.4 测试集合 | 第37-42页 |
2.2 贝叶斯网络理论 | 第42-51页 |
2.2.1 贝叶斯网络的概率基础 | 第43-44页 |
2.2.2 贝叶斯网络的结构 | 第44-46页 |
2.2.3 贝叶斯网络的推理 | 第46-47页 |
2.2.4 基于贝叶斯网络的信息检索模型 | 第47-51页 |
2.3 本章小结 | 第51-53页 |
第3章 话题特征选择 | 第53-72页 |
3.1 引言 | 第53-54页 |
3.2 特征选择理论 | 第54-58页 |
3.2.1 信息论中的相关概念 | 第55-56页 |
3.2.2 基于信息度量的特征选择方法 | 第56-58页 |
3.3 基于ITF-IDF的话题特征选择 | 第58-59页 |
3.4 坐标下降法 | 第59-61页 |
3.5 基于聚类的互信息 | 第61-62页 |
3.6 基于DCMI的话题特征选择 | 第62-65页 |
3.6.1 动态互信息 | 第63-64页 |
3.6.2 特征子集规模的确定 | 第64-65页 |
3.7 实验与分析 | 第65-71页 |
3.7.1 目标函数求解 | 第65-67页 |
3.7.2 DCMI和BMI性能比较 | 第67-69页 |
3.7.3 DCMI和ITF-IDF的追踪性能 | 第69页 |
3.7.4 实验分析 | 第69-71页 |
3.8 本章小结 | 第71-72页 |
第4章 基于信念网络的静态话题模型 | 第72-82页 |
4.1 引言 | 第72-73页 |
4.2 静态话题模型理论 | 第73-74页 |
4.3 基于信念网络的静态话题模型I | 第74-76页 |
4.4 基于信念网络的静态话题模型II | 第76-78页 |
4.4.1 建模基础 | 第76-77页 |
4.4.2 模型拓扑结构及概率推导 | 第77-78页 |
4.5 实验与分析 | 第78-81页 |
4.5.1 实验过程 | 第78页 |
4.5.2 实验结果及分析 | 第78-81页 |
4.6 本章总结 | 第81-82页 |
第5章 基于信念网络的动态话题模型 | 第82-92页 |
5.1 引言 | 第82页 |
5.2 动态话题模型理论 | 第82-85页 |
5.2.1 自适应学习理论 | 第83页 |
5.2.2 基本的增量式学习算法 | 第83-84页 |
5.2.3 结构化话题模型的动态变形 | 第84-85页 |
5.3 基于信念网络的动态话题模型I | 第85-86页 |
5.4 基于信念网络的动态话题模型II | 第86-88页 |
5.5 实验与分析 | 第88-91页 |
5.5.1 实验过程 | 第88页 |
5.5.2 实验结果 | 第88-90页 |
5.5.3 实验分析 | 第90-91页 |
5.6 本章小结 | 第91-92页 |
第6章 误报检测用于优化基于信念网络的动态话题模型II | 第92-103页 |
6.1 引言 | 第92-93页 |
6.2 主流静态分析技术 | 第93-94页 |
6.3 动态话题追踪误报成因分析 | 第94-96页 |
6.4 误报检测 | 第96-99页 |
6.5 实验与分析 | 第99-102页 |
6.5.1 实验步骤 | 第99页 |
6.5.2 实验结果及分析 | 第99-102页 |
6.6 本章小结 | 第102-103页 |
第7章 总结与展望 | 第103-106页 |
7.1 论文的主要工作 | 第103-104页 |
7.2 对今后工作的展望 | 第104-106页 |
参考文献 | 第106-115页 |
致谢 | 第115-116页 |
攻读博士学位期间发表论文和科研情况 | 第116-117页 |