| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第14-22页 |
| 1.1 互联网知识挖掘的背景介绍 | 第14-16页 |
| 1.2 相关研究工作分析 | 第16-18页 |
| 1.3 本文研究的科学问题与创新点 | 第18-19页 |
| 1.4 本文主要内容和结构 | 第19-22页 |
| 2 面向基于知识的关系预测与分类的双线性排序支持向量机 | 第22-49页 |
| 2.1 概述 | 第22-23页 |
| 2.2 问题定义 | 第23-26页 |
| 2.3 双线性排序支持向量机的算法设计与实现 | 第26-36页 |
| 2.4 实验分析与验证 | 第36-48页 |
| 2.5 本章小结 | 第48-49页 |
| 3 基于代价敏感学习的实体-关系联合知识嵌入 | 第49-61页 |
| 3.1 概述 | 第49-50页 |
| 3.2 问题定义 | 第50-51页 |
| 3.3 算法设计与实现 | 第51-56页 |
| 3.4 实验分析与验证 | 第56-60页 |
| 3.5 本章小结 | 第60-61页 |
| 4 基于稠密子图学习的新闻文档演化跟踪 | 第61-77页 |
| 4.1 概述 | 第61-62页 |
| 4.2 问题定义 | 第62-64页 |
| 4.3 连接网络的学习 | 第64-67页 |
| 4.4 基于网络的推理 | 第67-71页 |
| 4.5 实验分析与验证 | 第71-76页 |
| 4.6 本章小结 | 第76-77页 |
| 5 总结与展望 | 第77-79页 |
| 5.1 本文工作总结 | 第77-78页 |
| 5.2 进一步的工作展望 | 第78-79页 |
| 参考文献 | 第79-86页 |
| 附录：在对偶空间求解双线性排序支持向量机 | 第86-91页 |
| 发表文章目录 | 第91-92页 |
| 致谢 | 第92页 |