摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第8-15页 |
1.1 课题研究的背景和意义 | 第8-9页 |
1.1.1 课题研究的背景 | 第8-9页 |
1.1.2 课题研究的意义 | 第9页 |
1.2 国内外研究现状 | 第9-12页 |
1.2.1 异构域迁移学习的研究现状 | 第9-11页 |
1.2.2 多源域到单目标域迁移学习的研究现状 | 第11页 |
1.2.3 迁移学习界限研究现状 | 第11-12页 |
1.2.4 国内外文献综述的简析 | 第12页 |
1.3 本文的主要研究内容 | 第12-13页 |
1.4 论文组织结构 | 第13-15页 |
第2章 异构关系数据迁移学习界限的理论基础 | 第15-25页 |
2.1 异构域转换方法的相关研究 | 第15-18页 |
2.2 Rademacher复杂度的相关理论研究 | 第18-20页 |
2.3 关系数据的相关理论研究 | 第20-21页 |
2.4 迁移学习界限的相关理论研究 | 第21-24页 |
2.4.1 同构迁移学习界限 | 第22-23页 |
2.4.2 异构迁移学习界限 | 第23-24页 |
2.5 本章小结 | 第24-25页 |
第3章 异构多领域关系数据迁移学习界限理论研究 | 第25-51页 |
3.1 研究问题描述 | 第25-27页 |
3.2 异构域转换下的领域距离推导 | 第27-34页 |
3.2.1 领域距离分解 | 第27-29页 |
3.2.2 领域距离推导 | 第29-34页 |
3.3 迁移学习界限的相关推导 | 第34-41页 |
3.3.1 单源域到单目标域的迁移学习界限推导 | 第34-38页 |
3.3.2 多源域到单目标域的迁移学习界限推导 | 第38-41页 |
3.4 迁移学习泛化界限的理论特性分析 | 第41-50页 |
3.5 本章小结 | 第50-51页 |
第4章 迁移学习的角色识别模型建模 | 第51-61页 |
4.1 研究问题描述 | 第51页 |
4.2 领域距离的测量 | 第51-52页 |
4.3 基于Markov逻辑网的角色识别迁移模型 | 第52-56页 |
4.3.1 Markov逻辑网简介 | 第52-53页 |
4.3.2 Markov逻辑网角色识别迁移模型的建立 | 第53-56页 |
4.4 基于贝叶斯逻辑网的角色识别迁移模型 | 第56-60页 |
4.4.1 贝叶斯逻辑网简介 | 第56页 |
4.4.2 贝叶斯逻辑网的角色识别迁移模型的建立 | 第56-60页 |
4.5 本章小结 | 第60-61页 |
第5章 舆情角色识别迁移模型实验 | 第61-69页 |
5.1 实验环境配置及工具 | 第61-62页 |
5.2 实验数据集 | 第62-64页 |
5.3 实验结果分析 | 第64-68页 |
5.3.1 异构领域距离 | 第64页 |
5.3.2 角色识别迁移模型 | 第64-68页 |
5.4 本章小结 | 第68-69页 |
结论 | 第69-70页 |
参考文献 | 第70-74页 |
攻读硕士学位期间发表的论文及其它成果 | 第74-76页 |
致谢 | 第76页 |