信念网络在话题识别与追踪中的应用研究【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

信念网络在话题识别与追踪中的应用研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 研究背景1

1.2 研究现状2

1.2.1 话题识别与追踪研究现状2

1.2.2 话题识别与追踪模型研究现状8

1.2.3 信念网络及应用研究现状12

1.3 研究内容与研究目标13

1.4 本书主要创新点14

1.5 组织结构14

第2章 研究基础17

2.1 测试集合及评测标准17

2.1.1 测试集合17

2.1.2 评测标准23

2.2 话题识别与追踪相关研究26

2.2.1 发展历程27

2.2.2 相关概念27

2.2.3 研究任务28

2.2.4 实现方法30

2.2.5 经典话题模型及扩展研究33

2.3 贝叶斯网络理论50

2.3.1 贝叶斯网络的概率基础51

2.3.2 贝叶斯网络的结构52

2.3.3 贝叶斯网络的推理54

2.3.4 基于贝叶斯网络的信息检索模型55

2.4 本章小结59

第3章 话题特征选择61

3.1 引言61

3.2 特征选择理论62

3.2.1 基于搜索策略的特征选择方法63

3.2.2 基于评价准则的特征选择方法66

3.3 基于ITF-IDF的话题特征选择72

3.4 坐标下降法73

3.5 基于聚类的互信息74

3.6 基于DCMI的话题特征选择75

3.6.1 动态互信息76

3.6.2 特征子集规模的确定77

3.7 实验与分析78

3.7.1 目标函数求解78

3.7.2 DCMI和BMI性能比较79

3.7.3 DCMI和ITF-IDF的追踪性能80

3.7.4 实验分析81

3.8 本章小结83

第4章 基于信念网络的静态话题模型85

4.1 引言85

4.2 静态话题模型理论86

4.3 基于信念网络的静态话题模型Ⅰ87

4.4 基于信念网络的静态话题模型Ⅱ88

4.4.1 建模基础88

4.4.2 模型拓扑结构及概率推导89

4.5 实验与分析90

4.5.1 实验过程90

4.5.2 实验结果及分析91

4.6 本章小结93

第5章 基于信念网络的动态话题模型95

5.1 引言95

5.2 动态话题模型理论95

5.2.1 自适应学习理论96

5.2.2 增量式学习算法96

5.2.3 结构化话题模型的动态变形98

5.3 基于信念网络的动态话题模型Ⅰ99

5.4 基于信念网络的动态话题模型Ⅱ100

5.5 实验与分析101

5.5.1 实验过程101

5.5.2 实验结果101

5.5.3 实验分析103

5.6 本章小结104

第6章 误报检测用于优化基于信念网络的动态话题模型Ⅱ107

6.1 引言107

6.2 主流静态分析技术108

6.3 动态话题追踪误报成因分析109

6.4 误报检测110

6.5 实验与分析112

6.5.1 实验步骤112

6.5.2 实验结果及分析113

6.6 本章小结115

第7章 动态话题追踪中的时序权重117

7.1 研究基础117

7.2 时序权重及动态更新118

7.3 实验及分析119

7.3.1 时间距离阈值α119

7.3.2 权重阈值β120

7.3.3 时序权重有效性验证121

7.4 本章小结122

第8章 基于话题的事件相似度计算123

8.1 基础知识123

8.1.1 相关概念123

8.1.2 模板设计124

8.2 事件相似度计算125

8.3 同一话题下的事件相似度计算方法128

8.4 实验内容及分析129

8.5 本章小结131

第9章 总结与展望133

9.1 本书的主要工作133

9.2 对今后工作的展望134

参考文献137