| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第15-27页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 张量表示与分析 | 第16-21页 |
| 1.2.1 从向量表示到张量表示 | 第16-18页 |
| 1.2.2 从矩阵分解到张量分解 | 第18-20页 |
| 1.2.3 从向量学习到张量学习 | 第20-21页 |
| 1.3 国内外文献综述 | 第21-24页 |
| 1.3.1 张量的起源与发展 | 第21页 |
| 1.3.2 张量分解的研究现状 | 第21-23页 |
| 1.3.3 张量学习的研究现状 | 第23-24页 |
| 1.4 本文的内容框架、个人贡献与不足 | 第24-27页 |
| 1.4.1 本文的内容框架 | 第24-25页 |
| 1.4.2 个人贡献与不足 | 第25-27页 |
| 第二章 相关张量基本理论 | 第27-37页 |
| 2.1 张量 | 第27-29页 |
| 2.1.1 张量的定义 | 第27页 |
| 2.1.2 张量的表示 | 第27-29页 |
| 2.2 相关张量基本运算 | 第29-32页 |
| 2.2.1 张量的矩阵化 | 第29-30页 |
| 2.2.2 张量的模乘 | 第30-31页 |
| 2.2.3 张量内积与张量范数 | 第31页 |
| 2.2.4 张量外积 | 第31-32页 |
| 2.3 张量分解 | 第32-37页 |
| 2.3.1 Tucker分解 | 第32-34页 |
| 2.3.2 CP分解 | 第34-35页 |
| 2.3.3 高阶奇异值分解(HOSVD) | 第35-37页 |
| 第三章 复杂对象关联数据的张量模型应用研究 | 第37-51页 |
| 3.1 社会标注系统概述 | 第37-39页 |
| 3.1.1 社会标注系统介绍 | 第37-38页 |
| 3.1.2 社会标注系统的张量模型 | 第38-39页 |
| 3.2 传统分析方法的局限性 | 第39-40页 |
| 3.3 “用户-资源书签”三元关系的加权评分 | 第40-42页 |
| 3.3.1 用户、资源、标签的权值计算 | 第40-41页 |
| 3.3.2 “用户-资源-标签”三元元组的加权评分 | 第41-42页 |
| 3.4 基于加权元组的社会标注系统张量模型 | 第42-50页 |
| 3.4.1 张量模型的定义 | 第42-44页 |
| 3.4.2 三元组初始权重计算 | 第44-45页 |
| 3.4.3 张量分解 | 第45-47页 |
| 3.4.4 生成推荐结果 | 第47-50页 |
| 3.5 本章小节 | 第50-51页 |
| 第四章 复杂属性关联数据的张量模型应用研究 | 第51-75页 |
| 4.1 支持向量机理论 | 第51-56页 |
| 4.1.1 支持向量机分类 | 第51-54页 |
| 4.1.2 支持向量机回归 | 第54-56页 |
| 4.1.3 支持向量机特征选择 | 第56页 |
| 4.2 传统向量方法的局限性 | 第56-57页 |
| 4.3 支持张量机理论 | 第57-62页 |
| 4.3.1 支持张量机分类 | 第57-59页 |
| 4.3.2 支持张量机回归 | 第59-62页 |
| 4.3.3 支持张量机特征选择 | 第62页 |
| 4.4 向量数据的张量表示 | 第62-63页 |
| 4.5 实验对比 | 第63-73页 |
| 4.5.1 分类实验对比 | 第63-68页 |
| 4.5.2 回归实验对比 | 第68-72页 |
| 4.5.3 特征选择实验对比 | 第72-73页 |
| 4.6 本章小节 | 第73-75页 |
| 第五章 实证研究:基于张量空间模型的网络舆情分析 | 第75-91页 |
| 5.1 研究背景及意义 | 第75-76页 |
| 5.2 网络舆情文本的预处理 | 第76-78页 |
| 5.2.1 舆情文本的特征表示 | 第76-77页 |
| 5.2.2 舆情文本的特征选择 | 第77-78页 |
| 5.3 网络舆情文本的张量表示 | 第78-79页 |
| 5.4 多类别网络舆情文本分类方法简介 | 第79-80页 |
| 5.4.1 “一对多”多类分类方法 | 第79页 |
| 5.4.2 “一对一”多类分类方法 | 第79-80页 |
| 5.5 实验一:基于张量分解的网络舆情话题推荐 | 第80-82页 |
| 5.5.1 数据准备 | 第80页 |
| 5.5.2 评价指标 | 第80-81页 |
| 5.5.3 实验结果与分析 | 第81-82页 |
| 5.6 实验二:基于支持张量机的网络舆情文本分类 | 第82-89页 |
| 5.6.1 数据准备 | 第82页 |
| 5.6.2 评价指标 | 第82-83页 |
| 5.6.3 实验结果与分析 | 第83-89页 |
| 5.7 本章小节 | 第89-91页 |
| 第六章 总结与展望 | 第91-93页 |
| 6.1 论文工作总结 | 第91-92页 |
| 6.2 未来研究展望 | 第92-93页 |
| 参考文献 | 第93-97页 |
| 致谢 | 第97-98页 |