| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 引言 | 第8-13页 |
| ·选题背景和意义 | 第8-9页 |
| ·研究思路 | 第9-10页 |
| ·本文主要贡献 | 第10-11页 |
| ·组织结构 | 第11-13页 |
| 第二章 国内外研究现状 | 第13-23页 |
| ·可信度分析的研究概述 | 第13-14页 |
| ·Truth Finder算法 | 第14-16页 |
| ·Fact Finder系列算法 | 第16-17页 |
| ·与聚类方法相结合 | 第17-18页 |
| ·其他的一些可信度分析方法 | 第18-21页 |
| ·考虑到源质量的可信度分析方法 | 第19-20页 |
| ·微博内容的可信度分析 | 第20-21页 |
| ·用户之间的可信度分析与推荐 | 第21页 |
| ·评价指标 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于分类排名的可信度分析 | 第23-31页 |
| ·分类排名算法RankClass | 第23页 |
| ·基于分类排名的Truth Finder算法(CTF) | 第23-26页 |
| ·符号定义与计算公式 | 第24-25页 |
| ·CTF算法的实现 | 第25页 |
| ·CTF算法的复杂度分析 | 第25-26页 |
| ·实验及结果分析比较 | 第26-29页 |
| ·实验环境与数据集说明 | 第26-27页 |
| ·实验结果比较与分析 | 第27-29页 |
| ·本章小结 | 第29-31页 |
| 第四章 基于半监督学习的可信度分析 | 第31-44页 |
| ·半监督学习算法简介 | 第31页 |
| ·基于图的半监督学习 | 第31-34页 |
| ·Label Propagation算法 | 第32-33页 |
| ·图的最小割方法 | 第33页 |
| ·基于高斯场的方法 | 第33-34页 |
| ·基于半监督学习的可信度分析(GSTF) | 第34-40页 |
| ·图的构造 | 第34-35页 |
| ·边权重的定义 | 第35-37页 |
| ·目标函数的选取和解法分析 | 第37-39页 |
| ·GSTF算法描述 | 第39-40页 |
| ·GSTF算法收敛性证明 | 第40页 |
| ·与其他基于半监督的可信度分析算法比较 | 第40-41页 |
| ·实验结果分析与分析比较 | 第41-43页 |
| ·实验环境与实验数据集 | 第41-42页 |
| ·实验结果分析与比较 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 总结 | 第44页 |
| 展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 个人简历 | 第50-51页 |
| 在学校期间的研究成果以及发表的学术论文 | 第51页 |