社交媒體內(nèi)容安全挖掘技術(shù)研究

定　價：￥68.00

作　者：	段大高，韓忠明
出版社：	北京郵電大學出版社
叢編項：	十三五科學技術(shù)專著叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787563559473	出版時間：	2019-12-01	包裝：
開本：	16開	頁數(shù)：	220	字數(shù)：

內(nèi)容簡介

　　隨著社交網(wǎng)絡規(guī)模的不斷增長，社交媒體逐步成為人們社交生活不可或缺的一部分。社交媒體又稱為社會性媒體，是基于互聯(lián)網(wǎng)技術(shù)和工具，供大眾自發(fā)撰寫、分享、評價、討論及相互溝通的虛擬社區(qū)或網(wǎng)絡平臺，現(xiàn)階段主要包括社交網(wǎng)站、微博、微信、博客、論壇、播客等。對社交網(wǎng)絡的深度挖掘成為研究社交媒體環(huán)境及用戶行為的重要手段，對社交媒體內(nèi)容安全挖掘成為維護社會和諧穩(wěn)定的重要一環(huán)。《社交媒體內(nèi)容安全挖掘技術(shù)研究/“十三五”科學技術(shù)專著叢書》著眼于社交媒體的內(nèi)容安全問題，主要闡述了內(nèi)容安全數(shù)據(jù)挖掘技術(shù)，包括社交媒體網(wǎng)絡信息可信度模型、虛假消息識別、水軍識別、馬甲識別，以及社交網(wǎng)絡去匿名化、社團發(fā)現(xiàn)等主要內(nèi)容。讀者在閱讀過程中，可結(jié)合自己的研究興趣，選取對應的內(nèi)容閱讀。《社交媒體內(nèi)容安全挖掘技術(shù)研究/“十三五”科學技術(shù)專著叢書》可作為高等學校網(wǎng)絡空間信息安全、大數(shù)據(jù)等專業(yè)高年級學生和研究生教材，也可供對社交媒體內(nèi)容安全挖掘感興趣的研究者閱讀參考。

作者簡介

　　段大高，男，博士，副教授，計算機科學與技術(shù)碩士生導師，北京市優(yōu)秀中青年骨干教師，北京市第六批青年知識分子，電子學會高級會員、計算機學會會員、ACM會員、IEEE-CS會員。主要研究領域為智能機器人與機器視覺、圖像處理與理解、網(wǎng)絡通信、嵌入式系統(tǒng)、互聯(lián)網(wǎng)大數(shù)據(jù)挖掘、人工智能與機器學習等。承擔和參與國家、部委、橫向科研課題40多項，發(fā)表論文50多篇，申請專利二十多項。2007年獲北京市科學技術(shù)獎三等獎，2008年獲中國電子學會電子信息科學技術(shù)獎一等獎，2009年獲中國通信學會科學技術(shù)獎一等獎，2010年獲國家科技進步二等獎。2007年獲北京市中青年骨干教師稱號。曾主持設計和執(zhí)行了中國科普搜索資訊網(wǎng)、國家旅游局全國旅游基礎數(shù)據(jù)庫等大型信息化項目。

圖書目錄

第1章緒論
1．1 社交媒體
1．1．1 社交媒體概念
1．1．2 主流社交媒體
1．1．3 社交媒體特性
1．2 社交媒體挖掘
1．2．1 社交媒體挖掘概述
1．2．2 社交媒體挖掘應用
1．3 社交媒體內(nèi)容安全挖掘
1．3．1 社交媒體虛假消息挖掘
1．3．2 社交媒體水軍與馬甲識別
1．3．3 社交媒體去匿名化挖掘
1．3．4 社交媒體社團挖掘
1．4 本書主要內(nèi)容
本章參考文獻
第2章社交媒體挖掘基本理論與方法
2．1 概述
2．2 社交網(wǎng)絡分析
2．3 支持向量機
2．4 貝葉斯學習
2．4．1 樸素貝葉斯
2．4．2 概率圖模型
2．5 決策樹學習
2．5．1 決策樹
2．5．2 隨機森林
2．5．3 梯度提升決策樹
2．6 神經(jīng)網(wǎng)絡
2．6．1 BP神經(jīng)網(wǎng)絡模型
2．6．2 卷積神經(jīng)網(wǎng)絡
本章參考文獻
第3章社交媒體虛假消息識別研究
3．1 概述
3．2 微博消息可信度評估因素
3．2．1 概述
3．2．2 評論特征
3．2．3 實驗與分析
3．3 基于支持向量機的微博虛假消息檢測
3．3．1 基于支持向量機判別模型
3．3．2 實驗與分析
3．4 基于用戶等級特征的虛假消息檢測
3．4．1 特征工程
3．4．2 實驗與分析
3．5 基于BP神經(jīng)網(wǎng)絡的虛假消息檢測模型
3．5．1 模型構(gòu)建
3．5．2 實驗與分析
3．6 基于注意力機制的虛假消息早期檢測模型
3．6．1 基于LSTM／GRU的文本特征表示
3．6．2 基于注意力模型的虛假消息早期檢測
3．6．3 實驗與分析
3．7 小結(jié)
本章參考文獻
第4章社交媒體虛假圖像檢測研究
4．1 虛假圖像檢測概述
4．1．1 背景介紹
4．1．2 虛假圖像檢測方法
4．1．3 圖像統(tǒng)計特性檢測
4．2 虛假圖像特征提取研究
4．2．1 離散小波變換
4．2．2 奇異值分解算法
4．3 虛假圖像被動認證檢測方法研究
4．3．1 復制添加型虛假圖像
4．3．2 基于離散小波變換和SVD的檢測算法
4．3．3 實驗與分析
4．4 小結(jié)
本章參考文獻
第5章水軍識別與馬甲識別模型研究
5．1 概述
5．2 基于概率圖模型的水軍識別模型
5．2．1 概述
5．2．2 特征分析
5．2．3 WGM模型構(gòu)建
5．2．4 實驗與分析
5．3 基于譜分析的水軍團體識別模型
5．3．1 概述
5．3．2 用戶關(guān)系圖模型譜分析
5．3．3 基于用戶關(guān)系圖譜特征定位電商水軍團體
5．3．4 實驗與評價
5．4 基于頻繁子樹的馬甲識別模型
5．4．1 概述
5．4．2 基于頻繁子樹的馬甲識別模型
5．4．3 基于頻繁子樹的馬甲識別實例分析
5．4．4 實驗與分析
5．5 基于混合特征的馬甲識別模型
5．5．1 模型構(gòu)建
5．5．2 基于混合特征的馬甲識別實例分析
5．5．3 實驗與分析
5．6 小結(jié)
本章參考文獻
第6章社交網(wǎng)絡去匿名化方法研究
6．1 去匿名化概述
6．1．1 基于用戶屬性的去匿名化方法
6．1．2 基于用戶關(guān)系的去匿名化方法
6．2 基于排序?qū)W習的去匿名化方法
6．2．1 網(wǎng)絡結(jié)構(gòu)特征
6．2．2 基于排序?qū)W習的去匿名化攻擊方法
6．2．3 實驗與分析
6．3 基于表示學習的去匿名化方法
6．3．1 表示學習模型架構(gòu)
6．3．2 隨機游走網(wǎng)絡表示學習算法
6．3．3 約束隨機游走算法
6．3．4 模型推導與參數(shù)訓練
6．3．5 實驗與分析
6．4 小結(jié)
本章參考文獻
第7章社交媒體社團發(fā)現(xiàn)模型研究
7．1 社團劃分概述
7．1．1 社團結(jié)構(gòu)與社團劃分
7．1．2 基于全局結(jié)構(gòu)的社團劃分方法
7．1．3 基于局部結(jié)構(gòu)的社團劃分方法
7．1．4 經(jīng)典算法時間復雜度比較
7．1．5 算法局限性分析
7．2 常用數(shù)據(jù)集與評價指標
7．2．1 常用數(shù)據(jù)集
7．2．2 評價指標
7．3 基于節(jié)點向量表達的社團發(fā)現(xiàn)模型
7．3．1 概述
7．3．2 基于節(jié)點向量表達的社團劃分算法
7．3．3 啟發(fā)式隨機游走
7．3．4 分布式節(jié)點表示向量生成
7．3．5 聚類算法
7．3．6 CDNEV算法
7．3．7 實驗與分析
7．4 基于NCSS的社團發(fā)現(xiàn)混合模型
7．4．1 概述
7．4．2 NCSS算法
7．4．3 實驗與分析
7．5 小結(jié)
本章參考文獻
第8章研究總結(jié)
……