基于时间点过程对科技文献引用行为的建模与预测
| 摘要 | 第7-8页 |
| ABSTRACT | 第8页 |
| 第一章 绪论 | 第16-25页 |
| 1.1 引言 | 第16-18页 |
| 1.2 相关领域研究背景 | 第18-20页 |
| 1.3 本文工作及主要贡献 | 第20-23页 |
| 1.4 组织结构 | 第23-25页 |
| 第二章 科技文献引用行为的建模和分析 | 第25-35页 |
| 2.1 时间点过程 | 第25-29页 |
| 2.1.1 泊松分布与泊松过程 | 第26-27页 |
| 2.1.2 非齐次泊松过程 | 第27-28页 |
| 2.1.3 泊松过程的似然函数 | 第28页 |
| 2.1.4 琴声不等式 | 第28-29页 |
| 2.2 引用行为建模 | 第29-34页 |
| 2.2.1 通用强度函数形式 | 第29-30页 |
| 2.2.2 文献引用行为数据的具体分析 | 第30-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 参数的极大似然估计和判别式学习 | 第35-48页 |
| 3.1 基于对数似然函数的参数估计 | 第35-38页 |
| 3.1.1 目标函数的具体形式 | 第35-36页 |
| 3.1.2 EM估计与梯度下降 | 第36-38页 |
| 3.2 预测效果的度量 | 第38-40页 |
| 3.3 时间点过程的判别式与对抗式学习 | 第40-46页 |
| 3.3.1 极大似然估计可能存在的局限 | 第40-41页 |
| 3.3.2 误差信号的反向传播 | 第41-43页 |
| 3.3.3 判别式学习和对抗生成网络 | 第43-45页 |
| 3.3.4 全训练算法的具体实现 | 第45-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第四章 数据集与实验 | 第48-64页 |
| 4.1 文献引用数据集 | 第48-52页 |
| 4.2 基于极大似然的参数估计实验 | 第52-58页 |
| 4.2.1 多维Hawkes模型对比试验 | 第55-58页 |
| 4.3 全训练实验 | 第58-60页 |
| 4.4 搜索预测引擎的设计与实现 | 第60-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第五章 总结与展望 | 第64-67页 |
| 5.1 时间点过程模型 | 第64页 |
| 5.2 科技文献引用分析 | 第64-65页 |
| 5.3 未来方向 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-74页 |
| 发表论文和科研情况 | 第74页 |
