| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景 | 第12-17页 |
| 1.1.1 互联网的普及 | 第13-14页 |
| 1.1.2 互联网是重要的旅游信息发布平台 | 第14页 |
| 1.1.3 互联网是重要的游客信息获取渠道 | 第14-15页 |
| 1.1.4 互联网影响旅游行为 | 第15页 |
| 1.1.5 国内外研究现状 | 第15-17页 |
| 1.2 研究内容 | 第17-19页 |
| 1.2.1 基于旅游主题和时空特征的跨媒体旅游大数据信息获取 | 第17页 |
| 1.2.2 基于文本和图像深度学习的跨媒体旅游大数据语义表征 | 第17-18页 |
| 1.2.3 基于旅游潜在主题的跨媒体旅游大数据语义学习与建模 | 第18页 |
| 1.2.4 基于旅游潜在主题语义学习的跨媒体搜索系统的实现 | 第18-19页 |
| 1.2.5 关键技术 | 第19页 |
| 1.3 论文组织结构 | 第19-22页 |
| 第二章 相关技术 | 第22-34页 |
| 2.1 网络采集技术 | 第22-23页 |
| 2.1.1 主题采集 | 第22页 |
| 2.1.2 策略分类 | 第22-23页 |
| 2.2 中文分词技术 | 第23-24页 |
| 2.2.1 机械分词法 | 第23-24页 |
| 2.2.2 语义分词法 | 第24页 |
| 2.3 文本语义表征 | 第24-26页 |
| 2.3.1 基于神经网络的文本语义模型 | 第24页 |
| 2.3.2 词语表征向量 | 第24-25页 |
| 2.3.3 Word2vec | 第25-26页 |
| 2.4 图像语义表征 | 第26-28页 |
| 2.4.1 基于词袋模型和SIFT特征表示图像 | 第26-27页 |
| 2.4.2 卷积神经网络 | 第27-28页 |
| 2.5 潜在主题语义分析 | 第28-29页 |
| 2.5.1 基本原理 | 第28-29页 |
| 2.5.2 参数估计 | 第29页 |
| 2.6 支持向量机 | 第29-32页 |
| 2.6.1 SVM基本原理 | 第30页 |
| 2.6.2 线性SVM | 第30-32页 |
| 2.6.3 多类SVM | 第32页 |
| 2.7 本章小结 | 第32-34页 |
| 第三章 基于旅游主题和时空特征的跨媒体旅游大数据信息获取 | 第34-42页 |
| 3.1 引言 | 第34页 |
| 3.2 信息获取模型 | 第34-36页 |
| 3.3 基于旅游主题和时空特征的信息获取算法(TD-IA)的提出 | 第36-39页 |
| 3.4 信息获取实验结果及分析 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于文本和图像深度学习的跨媒体旅游大数据语义表征 | 第42-50页 |
| 4.1 引言 | 第42-43页 |
| 4.2 基于文本深度模型的文本语义表征 | 第43-44页 |
| 4.3 基于卷积神经网络的图像语义表征 | 第44-46页 |
| 4.4 基于深度特征和旅游分类的图像搜索(DF-TC)的提出 | 第46-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第五章 基于旅游潜在主题的跨媒体旅游大数据语义学习与建模 | 第50-58页 |
| 5.1 引言 | 第50页 |
| 5.2 基于旅游潜在主题的语义学习与建模(CMS-WCTS)的提出 | 第50-54页 |
| 5.3 基于旅游潜在主题的跨媒体旅游大数据搜索 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 基于深度神经网络的旅游用户语义学习 | 第58-64页 |
| 6.1 引言 | 第58页 |
| 6.2 深度候选生成模型 | 第58-59页 |
| 6.3 深度排序模型 | 第59-61页 |
| 6.4 基于深度神经网络的旅游用户语义学习(DNN-TUSL)的提出 | 第61-62页 |
| 6.5 本章小结 | 第62-64页 |
| 第七章 互联网旅游跨媒体大数据搜索系统设计与实现 | 第64-80页 |
| 7.1 引言 | 第64页 |
| 7.2 需求分析 | 第64页 |
| 7.3 数据库设计 | 第64-66页 |
| 7.4 系统详细设计 | 第66-69页 |
| 7.5 系统实现 | 第69-77页 |
| 7.6 系统测试 | 第77-78页 |
| 7.7 本章小结 | 第78-80页 |
| 第八章 总结与展望 | 第80-82页 |
| 8.1 总结 | 第80-81页 |
| 8.2 工作展望 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88-90页 |
| 攻读学位期间研究成果 | 第90页 |
