基于特征聚合的端到端谣言鉴别技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及趋势 | 第11-13页 |
| 1.2.1 传统分类模型 | 第11-12页 |
| 1.2.2 基于自然语言处理的模型 | 第12-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 相关背景知识与研究基础 | 第16-24页 |
| 2.1 循环神经网络 | 第16-18页 |
| 2.1.1 长短时记忆单元 | 第17页 |
| 2.1.2 门限循环单元 | 第17-18页 |
| 2.2 卷积神经网络 | 第18-19页 |
| 2.3 激活函数与损失函数 | 第19-21页 |
| 2.3.1 KL散度 | 第19-20页 |
| 2.3.2 交叉熵损失函数 | 第20页 |
| 2.3.3 sigmoid激活函数 | 第20-21页 |
| 2.4 自动编码器 | 第21-22页 |
| 2.5 实验数据集 | 第22-24页 |
| 第3章 传播模式的时序性特征建模方法研究 | 第24-47页 |
| 3.1 传播模式时序性特征分析 | 第24-30页 |
| 3.1.1 时序传播体量特征分析 | 第25-27页 |
| 3.1.2 时序拓扑结构特征分析 | 第27-30页 |
| 3.2 针对时序性传播模式的建模方法 | 第30-40页 |
| 3.2.1 模型选择动机 | 第30-31页 |
| 3.2.2 时序传播体量特征建模 | 第31-34页 |
| 3.2.3 时序拓扑结构特征建模 | 第34-37页 |
| 3.2.4 集成学习优化 | 第37-40页 |
| 3.3 时序传播模式特征建模的实验与分析 | 第40-46页 |
| 3.3.1 实验数据集 | 第40-41页 |
| 3.3.2 实验设置 | 第41页 |
| 3.3.3 性能指标 | 第41-42页 |
| 3.3.4 实验结果分析 | 第42-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于特征聚合的建模方法研究 | 第47-67页 |
| 4.1 传播模式特征与内容特征的聚合模型研究 | 第47-52页 |
| 4.1.1 无监督的聚合方法 | 第47-50页 |
| 4.1.2 有监督的聚合方法 | 第50-52页 |
| 4.2 时序文本内容特征的结构化方法 | 第52-54页 |
| 4.3 聚合模型的前摄性与可解释性研究 | 第54-59页 |
| 4.3.1 谣言早期检测 | 第54-55页 |
| 4.3.2 阶段特征性语义可视化 | 第55-59页 |
| 4.4 特征聚合模型的实验与分析 | 第59-66页 |
| 4.4.1 实验数据集 | 第59页 |
| 4.4.2 实验设置 | 第59-60页 |
| 4.4.3 性能指标 | 第60页 |
| 4.4.4 实验结果分析 | 第60-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 本文工作总结 | 第67-68页 |
| 5.2 后续工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的学术论文 | 第73-74页 |
| 致谢 | 第74-75页 |
