Web社会媒体中信息的质量评价及应用研究
| 摘要 | 第1-14页 |
| ABSTRACT | 第14-18页 |
| 第1章 绪论 | 第18-35页 |
| ·研究背景 | 第18-20页 |
| ·本文的研究内容及意义 | 第20-21页 |
| ·研究现状 | 第21-32页 |
| ·信息的质量分析研究现状 | 第21-24页 |
| ·事件检测研究现状 | 第24-32页 |
| ·本文的贡献及创新点 | 第32-33页 |
| ·本文的组织结构 | 第33-35页 |
| 第2章 本文涉及的基础知识 | 第35-47页 |
| ·LDA主题模型 | 第35-37页 |
| ·学习排序 | 第37-43页 |
| ·排序学习框架 | 第37-40页 |
| ·主要的排序学习算法 | 第40-43页 |
| ·图像的视觉词汇提取 | 第43-46页 |
| ·SIFT描述子 | 第43-45页 |
| ·视觉词汇提取 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第3章 基于LDA的论坛低质量回帖检测方法 | 第47-61页 |
| ·基本定义 | 第47-48页 |
| ·LDA模型中主题的重要性 | 第48-50页 |
| ·主题的词分布偏斜性 | 第48-49页 |
| ·主题的词分布独特性 | 第49页 |
| ·主题的背景性 | 第49-50页 |
| ·主题重要性计算 | 第50页 |
| ·特征表示 | 第50-54页 |
| ·语义特征 | 第50-53页 |
| ·统计特征 | 第53-54页 |
| ·基于LDA的低质量回帖检测算法 | 第54页 |
| ·实验分析 | 第54-60页 |
| ·实验数据集建立 | 第55-56页 |
| ·主题推断 | 第56-57页 |
| ·实验结果分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第4章 基于机器学习的论坛回帖排序方法 | 第61-86页 |
| ·基于遗传规划的排序学习框架 | 第62-66页 |
| ·特征描述 | 第66-70页 |
| ·LDA语义特征 | 第66-68页 |
| ·统计特征 | 第68-69页 |
| ·数据归一化 | 第69-70页 |
| ·实验和评测 | 第70-84页 |
| ·实验数据集 | 第70-72页 |
| ·评价测度 | 第72-73页 |
| ·实验建立 | 第73-75页 |
| ·实验结果及讨论 | 第75-84页 |
| ·本章小结 | 第84-86页 |
| 第5章 使用社会媒体数据进行热点事件检测的方法 | 第86-100页 |
| ·融合视觉和文本信息的数据表示 | 第86-88页 |
| ·基于Flickr数据的热点事件检测算法 | 第88-93页 |
| ·衰退理论 | 第88-89页 |
| ·热点事件检测算法 | 第89-92页 |
| ·结果表示 | 第92-93页 |
| ·实验及结果分析 | 第93-99页 |
| ·数据集 | 第93-94页 |
| ·实验建立 | 第94-95页 |
| ·结果分析 | 第95-99页 |
| ·本章小结 | 第99-100页 |
| 第6章 总结与展望 | 第100-103页 |
| ·主要工作总结 | 第100-101页 |
| ·未来工作展望 | 第101-103页 |
| 参考文献 | 第103-117页 |
| 致谢 | 第117-118页 |
| 攻读学位期间发表的学术论文目录 | 第118-120页 |
| 攻读学位期间参与科研项目情况 | 第120-121页 |
| 攻读学位期间获奖情况 | 第121-122页 |
| 外文论文 | 第122-145页 |
| 学位论文评阅及答辩情况表 | 第145页 |
