社交媒体中内容的可信性分析与评价
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 研究现状 | 第15-20页 |
| 1.2.1 面向信息源的可信性研究 | 第16-17页 |
| 1.2.2 面向信息的可信性研究 | 第17-19页 |
| 1.2.3 研究现状总结 | 第19-20页 |
| 1.3 论文主要工作 | 第20页 |
| 1.4 论文组织结构 | 第20-23页 |
| 第二章 社交媒体可信性评价模型相关理论知识概述 | 第23-33页 |
| 2.1 贝叶斯理论 | 第23-25页 |
| 2.1.1 贝叶斯定理 | 第23-24页 |
| 2.1.2 贝叶斯推断 | 第24-25页 |
| 2.2 贝叶斯网络 | 第25-28页 |
| 2.3 吉布斯采样 | 第28-31页 |
| 2.3.1 马尔科夫蒙特卡洛方法 | 第28-29页 |
| 2.3.2 吉布斯采样算法 | 第29-30页 |
| 2.3.3 共轭先验 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 社交媒体可信性评价模型建立 | 第33-45页 |
| 3.1 社交媒体数据分析 | 第33-38页 |
| 3.1.1 数据集概览 | 第33-36页 |
| 3.1.2 数据集中用户主题分布和从众用户分析 | 第36-38页 |
| 3.2 内容可信性评价模型 | 第38-44页 |
| 3.2.1 模型思想 | 第39-40页 |
| 3.2.2 模型建立 | 第40-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第四章 社交媒体可信性评价模型参数估计 | 第45-63页 |
| 4.1 隐含变量联合概率分布推导 | 第45-51页 |
| 4.2 隐含变量转移概率分布推导 | 第51-56页 |
| 4.3 内容可信性评价模型的吉布斯采样算法 | 第56-61页 |
| 4.3.1 隐含变量的采样规则 | 第56-58页 |
| 4.3.2 待估计参数的更新规则 | 第58-60页 |
| 4.3.3 吉布斯采样算法 | 第60-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第五章 社交媒体可信性评价模型实验设计与分析 | 第63-71页 |
| 5.1 实验环境 | 第63页 |
| 5.2 实验设计 | 第63-67页 |
| 5.2.1 可观测数据提取 | 第64页 |
| 5.2.2 超参数设定 | 第64-66页 |
| 5.2.3 实验对比方案 | 第66-67页 |
| 5.3 实验结果分析 | 第67-70页 |
| 5.3.1 实验对比 | 第67-69页 |
| 5.3.2 从众用户和主题专家发现 | 第69-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 社交媒体可信性评价原型系统设计与实现 | 第71-83页 |
| 6.1 原型系统设计目的 | 第71页 |
| 6.2 原型系统功能设计 | 第71-73页 |
| 6.3 原型系统实现 | 第73-78页 |
| 6.3.1 数据清理的实现 | 第73页 |
| 6.3.2 文本处理的实现 | 第73-75页 |
| 6.3.3 关联内容用户投票合并的实现 | 第75-76页 |
| 6.3.4 模型输入数据提取的实现 | 第76-77页 |
| 6.3.5 模型参数求解的实现 | 第77页 |
| 6.3.6 内容和用户主题分析的实现 | 第77-78页 |
| 6.4 系统界面展示 | 第78-81页 |
| 6.5 本章小结 | 第81-83页 |
| 第七章 总结与展望 | 第83-85页 |
| 7.1 工作总结 | 第83页 |
| 7.2 研究展望 | 第83-85页 |
| 致谢 | 第85-87页 |
| 参考文献 | 第87-93页 |
| 个人简介 | 第93页 |
