基于文本信息的社会关系分析与研究
| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-24页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 用户信息抽取 | 第12-15页 |
| 1.2.2 用户社交关系抽取 | 第15-16页 |
| 1.2.3 概率图模型 | 第16-19页 |
| 1.2.4 矩阵分解模型 | 第19-20页 |
| 1.3 研究内容 | 第20-22页 |
| 1.4 组织结构 | 第22-24页 |
| 第2章 基于文本信息的单用户信息抽取 | 第24-47页 |
| 2.1 数据收集与分析 | 第25-32页 |
| 2.1.1 数据收集 | 第25-29页 |
| 2.1.2 文本摘要数据集的构建和标注 | 第29页 |
| 2.1.3 技能抽取数据集的构建和分析 | 第29-32页 |
| 2.2 问题的定义与分析 | 第32-33页 |
| 2.3 简历技能信息的抽取 | 第33-40页 |
| 2.3.1 模型的构建 | 第34-36页 |
| 2.3.2 学习和预测 | 第36-37页 |
| 2.3.3 实验设置 | 第37-38页 |
| 2.3.4 实验结果与分析 | 第38-40页 |
| 2.4 简历文本摘要信息抽取 | 第40-46页 |
| 2.4.1 模型的定义与学习 | 第41-43页 |
| 2.4.2 模型的预测和摘要的生成 | 第43页 |
| 2.4.3 实验设置 | 第43页 |
| 2.4.4 实验结果与分析 | 第43-46页 |
| 2.5 本章总结 | 第46-47页 |
| 第3章 基于文本和社交信息的用户间关系预测 | 第47-61页 |
| 3.1 基于因子图模型的好友关系预测 | 第48-51页 |
| 3.1.1 图模型的构建 | 第49-50页 |
| 3.1.2 模型的学习和预测 | 第50-51页 |
| 3.2 文本和社交信息 | 第51-55页 |
| 3.2.1 语言风格 | 第51-53页 |
| 3.2.2 情感信息 | 第53页 |
| 3.2.3 用户行为信息 | 第53-54页 |
| 3.2.4 社交模式信息 | 第54-55页 |
| 3.3 实验与分析 | 第55-60页 |
| 3.3.1 数据收集 | 第55-56页 |
| 3.3.2 特征与好友关系分析 | 第56-57页 |
| 3.3.3 与基准系统比较 | 第57-59页 |
| 3.3.4 特征贡献分析 | 第59-60页 |
| 3.4 本章小结 | 第60-61页 |
| 第4章 基于兴趣的多用户群组识别 | 第61-75页 |
| 4.1 数据收集和分析 | 第62-64页 |
| 4.1.1 数据收集 | 第62-63页 |
| 4.1.2 统计分析 | 第63-64页 |
| 4.2 隐含因子图模型 | 第64-70页 |
| 4.2.1 隐含信息的生成 | 第66-67页 |
| 4.2.2 集成隐含信息的因子图模型 | 第67-69页 |
| 4.2.3 模型的学习与预测 | 第69-70页 |
| 4.3 实验分析 | 第70-73页 |
| 4.3.1 隐含与显式联系统计 | 第70-71页 |
| 4.3.2 隐含文本联系的分析 | 第71页 |
| 4.3.3 实验设置 | 第71-72页 |
| 4.3.4 实验结果与分析 | 第72-73页 |
| 4.4 本章总结 | 第73-75页 |
| 第5章 基于专业程度的多用户群组分类 | 第75-87页 |
| 5.1 数据收集与统计 | 第76-79页 |
| 5.1.1 数据的收集 | 第77页 |
| 5.1.2 统计与分析 | 第77-79页 |
| 5.2 协同矩阵分解模型 | 第79-84页 |
| 5.2.1 基础矩阵分解框架 | 第81页 |
| 5.2.2 构建评论之间联系 | 第81-82页 |
| 5.2.3 模型的学习与预测 | 第82-84页 |
| 5.3 实验与分析 | 第84-86页 |
| 5.3.1 实验设置 | 第84页 |
| 5.3.2 与基准系统比较 | 第84-85页 |
| 5.3.3 参数敏感程度分析 | 第85-86页 |
| 5.4 本章总结 | 第86-87页 |
| 第6章 总结与展望 | 第87-90页 |
| 6.1 研究工作总结 | 第87-88页 |
| 6.2 下一步工作设想 | 第88-90页 |
| 参考文献 | 第90-97页 |
| 攻读学位期间公开发表的论文 | 第97页 |
| 参与的科研项目 | 第97-98页 |
| 致谢 | 第98-99页 |
