信念網(wǎng)絡在話題識別與追蹤中的應用研究

前言
第1章 緒論
1．1 研究背景
1．2 研究現(xiàn)狀
1．2．1 話題識別與追蹤研究現(xiàn)狀
1．2．2 話題識別與追蹤模型研究現(xiàn)狀
1．2．3 信念網(wǎng)絡及應用研究現(xiàn)狀
1．3 研究內(nèi)容與研究目標
1．4 本書主要創(chuàng)新點
1．5 組織結(jié)構(gòu)
第2章 研究基礎(chǔ)
2．1 測試集合及評測標準
2．1．1 測試集合
2．1．2 評測標準
2．2 話題識別與追蹤相關(guān)研究
2．2．1 發(fā)展歷程
2．2．2 相關(guān)概念
2．2．3 研究任務
2．2．4 實現(xiàn)方法
2．2．5 經(jīng)典話題模型及擴展研究
2．3 貝葉斯網(wǎng)絡理論
2．3．1 貝葉斯網(wǎng)絡的概率基礎(chǔ)
2．3．2 貝葉斯網(wǎng)絡的結(jié)構(gòu)
2．3．3 貝葉斯網(wǎng)絡的推理
2．3．4 基于貝葉斯網(wǎng)絡的信息檢索模型
2．4 本章小結(jié)
第3章 話題特征選擇
3．1 引言
3．2 特征選擇理論
3．2．1 基于搜索策略的特征選擇方法
3．2．2 基于評價準則的特征選擇方法
3．3 基于ITF-IDF的話題特征選擇
3．4 坐標下降法
3．5 基于聚類的互信息
3．6 基于DCMI的話題特征選擇
3．6．1 動態(tài)互信息
3．6．2 特征子集規(guī)模的確定
3．7 實驗與分析
3．7．1 目標函數(shù)求解
3．7．2 DCMI和BMI性能比較
3．7．3 DCMI和ITF-IDF的追蹤性能
3．7．4 實驗分析
3．8 本章小結(jié)
第4章 基于信念網(wǎng)絡的靜態(tài)話題模型
4．1 引言
4．2 靜態(tài)話題模型理論
4．3 基于信念網(wǎng)絡的靜態(tài)話題模型Ⅰ
4．4 基于信念網(wǎng)絡的靜態(tài)話題模型Ⅱ
4．4．1 建?；A(chǔ)
4．4．2 模型拓撲結(jié)構(gòu)及概率推導
4．5 實驗與分析
4．5．1 實驗過程
4．5．2 實驗結(jié)果及分析
4．6 本章小結(jié)
第5章 基于信念網(wǎng)絡的動態(tài)話題模型
5．1 引言
5．2 動態(tài)話題模型理論
5．2．1 自適應學習理論
5．2．2 增量式學習算法
5．2．3 結(jié)構(gòu)化話題模型的動態(tài)變形
5．3 基于信念網(wǎng)絡的動態(tài)話題模型Ⅰ
5．4 基于信念網(wǎng)絡的動態(tài)話題模型Ⅱ
5．5 實驗與分析
5．5．1 實驗過程
5．5．2 實驗結(jié)果
5．5．3 實驗分析
5．6 本章小結(jié)
第6章 誤報檢測用于優(yōu)化基于信念網(wǎng)絡的動態(tài)話題模型Ⅱ
6．1 引言
6．2 主流靜態(tài)分析技術(shù)
6．3 動態(tài)話題追蹤誤報成因分析
6．4 誤報檢測
6．5 實驗與分析
6．5．1 實驗步驟
6．5．2 實驗結(jié)果及分析
6．6 本章小結(jié)
第7章 動態(tài)話題追蹤中的時序權(quán)重
7．1 研究基礎(chǔ)
7．2 時序權(quán)重及動態(tài)更新
7．3 實驗及分析
7．3．1 時間距離閾值α
7．3．2 權(quán)重閾值β
7．3．3 時序權(quán)重有效性驗證
7．4 本章小結(jié)
第8章 基于話題的事件相似度計算
8．1 基礎(chǔ)知識
8．1．1 相關(guān)概念
8．1．2 模板設計
8．2 事件相似度計算
8．3 同一話題下的事件相似度計算方法
8．4 實驗內(nèi)容及分析
8．5 本章小結(jié)
第9章 總結(jié)與展望
9．1 本書的主要工作
9．2 對今后工作的展望
參考文獻