社交网络文本信息隐私策略预测的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 存在的问题 | 第13-14页 |
| 1.4 研究内容与方法 | 第14页 |
| 1.5 论文组织 | 第14-15页 |
| 第2章 相关理论和关键技术 | 第15-25页 |
| 2.1 社交用户数据的隐私 | 第15页 |
| 2.2 自然语言处理 | 第15-20页 |
| 2.2.1 文本预处理 | 第15-17页 |
| 2.2.2 关键词提取 | 第17-19页 |
| 2.2.3 短文本情感分析 | 第19-20页 |
| 2.3 隐私策略预测方法 | 第20-22页 |
| 2.3.1 基于推荐的隐私策略预测 | 第20-21页 |
| 2.3.2 基于众包的隐私策略预测 | 第21-22页 |
| 2.3.3 基于分类的隐私策略预测 | 第22页 |
| 2.4 集成学习算法 | 第22-23页 |
| 2.5 小结 | 第23-25页 |
| 第3章 基于文本内容的个性化隐私策略预测 | 第25-47页 |
| 3.1 相关概念介绍 | 第25-29页 |
| 3.1.1 隐私策略 | 第25-27页 |
| 3.1.2 社交平台访问控制模型 | 第27-28页 |
| 3.1.3 社交用户类型 | 第28-29页 |
| 3.2 文本内容共享行为分析 | 第29-30页 |
| 3.3 个性化隐私策略预测 | 第30-37页 |
| 3.3.1 个体关键词词典构建 | 第31-33页 |
| 3.3.2 特征提取 | 第33-37页 |
| 3.3.3 生成候选策略 | 第37页 |
| 3.4 评估实验 | 第37-46页 |
| 3.4.1 数据搜集 | 第38-40页 |
| 3.4.2 实验设计与评估 | 第40-44页 |
| 3.4.3 预测方法比较分析 | 第44-46页 |
| 3.5 小结 | 第46-47页 |
| 第4章 基于众包的粗粒度隐私策略预测 | 第47-59页 |
| 4.1 相关概念介绍 | 第47-49页 |
| 4.1.1 冷启动问题 | 第47-48页 |
| 4.1.2 众包系统 | 第48-49页 |
| 4.1.3 粗粒度隐私策略 | 第49页 |
| 4.2 结合众包方法的隐私策略预测 | 第49-54页 |
| 4.2.1 构建众包数据 | 第51-52页 |
| 4.2.2 全局关键词词典构建 | 第52-53页 |
| 4.2.3 生成候选策略 | 第53-54页 |
| 4.3 评估实验 | 第54-57页 |
| 4.3.1 实验设计与评估 | 第54-56页 |
| 4.3.2 预测方法比较分析 | 第56-57页 |
| 4.4 小结 | 第57-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 本文工作总结 | 第59页 |
| 5.2 未来工作展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68-69页 |
| 详细摘要 | 第69-71页 |
