| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 论文背景及研究意义 | 第12-15页 |
| 1.1.1 论文背景 | 第12-15页 |
| 1.1.2 研究意义 | 第15页 |
| 1.2 国内外研究现状及存在问题 | 第15-19页 |
| 1.2.1 谣言特征挖掘现状 | 第15-17页 |
| 1.2.2 实体消歧现状 | 第17-18页 |
| 1.2.3 存在的问题与难点 | 第18-19页 |
| 1.3 研究内容与组织结构 | 第19-22页 |
| 1.3.1 研究内容 | 第19页 |
| 1.3.2 组织结构 | 第19-22页 |
| 第二章 基于深层特征和集成分类器的微博谣言检测方法 | 第22-34页 |
| 2.1 基于深层特征和集成分类器的微博谣言检测方法的流程与关键技术 | 第22-30页 |
| 2.1.1 算法流程 | 第22页 |
| 2.1.2 谣言特征提取 | 第22-29页 |
| 2.1.3 集成分类器 | 第29-30页 |
| 2.2 实验结果及分析 | 第30-33页 |
| 2.2.1 实验数据 | 第30-31页 |
| 2.2.2 评价指标 | 第31页 |
| 2.2.3 实验设置与结果分析 | 第31-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第三章 基于实体链接的微博谣言检测方法 | 第34-46页 |
| 3.1 基于实体链接的微博谣言检测方法原理分析 | 第34-37页 |
| 3.2 基于实体链接的微博谣言检测方法的流程与关键技术 | 第37-42页 |
| 3.2.1 算法流程 | 第37页 |
| 3.2.2 基于实体链接的图文匹配度计算 | 第37-42页 |
| 3.3 实验结果及分析 | 第42-45页 |
| 3.3.1 实验数据 | 第42页 |
| 3.3.2 评价指标 | 第42-43页 |
| 3.3.3 实验设置与结果分析 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 微博谣言检测分析系统 | 第46-52页 |
| 4.1 系统框架 | 第46-47页 |
| 4.2 系统功能 | 第47-51页 |
| 4.2.1 微博用户信息 | 第48页 |
| 4.2.2 微博内容信息 | 第48-49页 |
| 4.2.3 微博图片信息 | 第49-50页 |
| 4.2.4 微博传播分析 | 第50-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 论文总结 | 第52-53页 |
| 5.2 下一步研究展望 | 第53-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 作者简历 | 第60页 |
