微博消息的多元可信度模型研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-13页 |
| ·研究背景 | 第8页 |
| ·课题研究起源 | 第8-9页 |
| ·课题研究内容与研究方案 | 第9-12页 |
| ·研究内容 | 第9-10页 |
| ·研究方案 | 第10-12页 |
| ·研究目的与意义 | 第12页 |
| ·论文组织结构 | 第12-13页 |
| 第2章 相关研究 | 第13-18页 |
| ·技术研究 | 第13-15页 |
| ·概率图模型 | 第13-14页 |
| ·BP神经网络模型 | 第14-15页 |
| ·应用研究 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 第3章 基于概率图模型的微博水军识别 | 第18-31页 |
| ·背景介绍 | 第18-19页 |
| ·设计目标 | 第19页 |
| ·特征分析 | 第19-22页 |
| ·WGM模型介绍 | 第22-25页 |
| ·WGM模型说明 | 第22-24页 |
| ·WGM模型推导与求解 | 第24-25页 |
| ·实验比较与分析 | 第25-30页 |
| ·实验设置 | 第25-26页 |
| ·特征比较实验 | 第26-27页 |
| ·WGM模型评估实验 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 微博消息可信度评估与谣言检测 | 第31-45页 |
| ·背景介绍 | 第31页 |
| ·评论特征定义 | 第31-35页 |
| ·支持性分析 | 第32-33页 |
| ·内容相关性分析 | 第33-34页 |
| ·置信度分析 | 第34-35页 |
| ·基于神经网络的消息可信度评估模型 | 第35-39页 |
| ·实验与分析 | 第39-44页 |
| ·实验设置 | 第39页 |
| ·特征分析实验 | 第39-40页 |
| ·BPCM模型评估实验 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 原型系统设计 | 第45-50页 |
| ·需求分析与系统模块设计 | 第45-48页 |
| ·本章小结 | 第48-50页 |
| 第6章 总结与展望 | 第50-52页 |
| ·工作总结 | 第50-51页 |
| ·本课题的特色 | 第50页 |
| ·研究结果 | 第50-51页 |
| ·工作展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 在学期间发表的论文及科研成果清单 | 第55-56页 |
| 致谢 | 第56页 |
