目录

在线社交网络搜索与挖掘

作者：.杜军平等著

内容简介
前　言
目录
第1章　在线社交网络跨媒体时空信息的获取与表达
1.1　引　言
1.2　在线社交网络跨媒体时空信息的获取与预处理
1.3　基于时空主题模型的在线社交网络文本信息表达算法（OSNTR）的提出
1.3.1　OSNTR算法的研究动机
1.3.2　在线社交网络时空主题模型（STTM）的建立
1.3.3　时空区域、时间以及单词的主题分布
1.3.4　在线社交网络消息的文本主题语义表达
1.3.5　在线社交网络消息的时间主题语义表达
1.3.6　OSNTR算法的实现步骤
1.3.7　OSNTR算法实验结果与分析
1.3.8　OSNTR算法的复杂度分析
1.4　基于目标注意力机制的在线社交网络图像信息表达算法（IROA）的提出
1.4.1　IROA算法的研究动机
1.4.2　IROA算法描述
1.4.3　IROA算法的实现步骤
1.4.4　IROA算法实验结果与分析
第2章　跨媒体社交网络内容获取与处理
2.1　引　言
2.2　跨媒体社交网络内容数据获取与预处理
2.3　跨媒体社交网络内容关联分析算法的提出
2.3.1　跨媒体社交网络内容关联分析算法研究动机
2.3.2　跨媒体社交网络内容关联分析算法的形式化定义
2.4　社交网络深度学习搜索特征抽取与匹配算法的提出
2.4.1　社交网络深度学习搜索特征抽取与匹配算法研究动机
2.4.2　社交网络深度学习搜索特征抽取与匹配算法的形式化定义
2.5　实验结果与分析
2.5.1　跨媒体社交网络内容关联分析算法实验与分析
2.5.2　社交网络深度学习搜索特征抽取与匹配算法实验与分析
第3章　在线社交网络跨媒体信息主题表达
3.1　引　言
3.2　SCTE算法的提出
3.2.1　SCTE算法的研究动机
3.2.2　动态自聚合主题模型（SADTM）的建立
3.2.3　在线社交网络文本主题表达
3.2.4　SCTE算法的实现步骤
3.2.5　SCTE算法的实验结果与分析
3.3　基于互补注意力机制的在线社交网络图像主题表达算法（CAIE）的提出
3.3.1　CAIE算法的研究动机
3.3.2　CAIE算法描述
3.3.3　CAIE算法的实现步骤
3.3.4　CAIE算法的实验结果与分析
第4章　基于时空特性的在线社交网络跨媒体语义学习
4.1　引　言
4.2　基于时空特性的在线社交网络跨媒体语义学习算法（SCSL）的提出
4.2.1　SCSL算法的研究动机
4.2.2　SCSL算法描述
4.2.3　在线社交网络多特征概率图模型（MFPGM）的建立
4.2.4　在线社交网络跨媒体关联映射模型的建立
4.2.5　SCSL算法的实现步骤
4.3　SCSL算法实验结果与分析
4.3.1　实验设置
4.3.2　实验一：MFPGM与对比算法的文本语义表示能力比较
4.3.3　实验二：SCSL与对比算法的MAP值比较
4.3.4　实验三：SCSL与对比算法的召回率比较
4.3.5　实验四：SCSL与其变型算法的比较
第5章　基于强化学习的社交网络话题内容匹配
5.1　引　言
5.2　基于强化学习的社交网络话题内容匹配算法的提出
5.2.1　基于强化学习的社交网络话题内容匹配算法研究动机
5.2.2　基于强化学习的社交网络话题内容匹配算法形式化定义
5.2.3　基于强化学习的社交网络话题内容匹配算法设计
5.2.4　动态社交网络内容相关性评价
5.3　实验结果与分析
5.3.1　实验设置
5.3.2　基于强化学习的社交网络话题内容匹配算法有效性分析
5.3.3　搜索效果实验结果与分析
5.3.4　k-折交叉验证实验与分析
第6章　基于语义学习的在线社交网络话题搜索
6.1　引　言
6.2　基于语义学习的在线社交网络话题搜索算法（STS）的提出
6.2.1　STS算法的研究动机
6.2.2　STS算法描述
6.2.3　基于扩展的用户-话题标签主题模型（UHTME）的建立
6.2.4　基于相似用户和相似消息的候选话题集的生成
6.2.5　基于语义相关性分数的话题搜索
6.2.6　STS算法的实现步骤
6.3　STS算法的实验结果与分析
6.3.1　实验设置
6.3.2　实验一：STS算法与对比算法的话题搜索准确性比较
6.3.3　实验二：参数变化对STS算法话题搜索准确性的影响
6.3.4　实验三：STS算法与对比算法的搜索效率比较
第7章　基于稀疏主题模型的在线社交网络突发话题发现
7.1　引　言
7.2　基于稀疏主题模型的在线社交网络突发话题发现算法（SBTD）的提出
7.2.1　SBTD算法的研究动机
7.2.2　SBTD算法描述
7.2.3　基于RNN和逆文档频率（IDF）的词关系学习
7.2.4　基于“Spike and Slab”先验的稀疏主题模型（SRTM）的建立
7.2.5　在线社交网络突发话题发现
7.2.6　SBTD算法的实现步骤
7.3　SBTD算法的实验结果与分析
7.3.1　实验设置
7.3.2　实验一：SBTD算法与对比算法的突发话题发现准确度比较
7.3.3　实验二：SBTD算法与对比算法的话题发现新颖度比较
7.3.4　实验三：SBTD算法与对比算法的话题发现一致性比较
7.3.5　实验四：SBTD算法与对比算法在话题发现质量上的比较
第8章　基于用户聚合的在线社交网络用户搜索意图理解与挖掘
8.1　引　言
8.2　UAIU算法的提出
8.2.1　UAIU算法的研究动机
8.2.2　UAIU算法描述
8.2.3　在线社交网络用户聚合主题模型（UATM）的建立
8.2.4　用户搜索意图理解与挖掘
8.2.5　UAIU算法的实现步骤
8.3　UAIU算法实验结果与分析
8.3.1　实验设置
8.3.2　实验一：UAIU算法与对比算法的主题一致性比较
8.3.3　实验二：UAIU算法与对比算法在意图理解与挖掘质量上的比较
8.3.4　实验三：UAIU算法与对比算法主题表示性能的比较
8.3.5　实验四：关注者属性对UAIU算法性能的影响
第9章　基于用户搜索意图理解的在线社交网络跨媒体搜索
9.1　引　言
9.2　基于用户搜索意图理解的在线社交网络跨媒体搜索算法（UCMS）的提出
9.2.1　UCMS算法的研究动机
9.2.2　UCMS算法描述
9.2.3　基于互补注意力机制和用户意图理解的特征提取
9.2.4　在线社交网络跨媒体对抗学习
9.2.5　在线社交网络跨媒体搜索
9.2.6　UCMS算法的实现步骤
9.3　UCMS算法实验结果与分析
9.3.1　实验设置
9.3.2　实验一：UCMS与对比算法在新浪微博数据集上的搜索性能比较
9.3.3　实验二：在NUS-WIDE数据集上的搜索结果
9.3.4　实验三：在MIR-Flickr 25K数据集上的搜索结果
第10章　基于生成对抗学习的跨媒体社交网络搜索
10.1　引　言
10.2　基于生成对抗学习的跨媒体社交网络搜索算法
10.2.1　基于生成对抗学习的跨媒体社交网络搜索算法研究动机
10.2.2　基于生成对抗学习的跨媒体社交网络搜索算法的提出
10.2.3　媒体内和媒体间判别限定
10.2.4　跨媒体判别限定
10.2.5　基于生成对抗学习的跨媒体社交网络搜索算法的描述
10.3　实验结果与分析
10.3.1　实验设置
10.3.2　参数学习实验结果与分析
10.3.3　搜索结果的MAP评价与分析
10.3.4　搜索结果的准确率结果与分析
第11章　基于语义学习与时空特性的在线社交网络跨媒体事件搜索
11.1　引　言
11.2　基于语义学习与时空特性的在线社交网络跨媒体事件搜索算法（CSES）的提出
11.2.1　CSES算法的研究动机
11.2.2　CSES算法描述
11.2.3　基于联合目标注意力和生成对抗网络的公共语义学习模型的提出
11.2.4　在线社交网络跨媒体事件搜索
11.2.5　CSES算法的实现步骤
11.3　CSES算法实验结果与分析
11.3.1　实验设置
11.3.2　实验一：在线社交网络跨媒体事件数据集上的搜索实验
11.3.3　实验二：跨媒体公共数据集上的搜索实验
11.3.4　实验三：CSES算法与其变型算法的对比实验
11.3.5　实验四：参数变化对CSES算法的影响
第12章　基于语义学习与时空特性的在线社交网络跨媒体搜索系统的实现
12.1　引　言
12.2　系统设计
12.3　功能设计与实现
12.3.1　跨媒体时空信息获取与表达模块
12.3.2　跨媒体语义学习模块
12.3.3　在线社交网络话题搜索模块
12.3.4　在线社交网络跨媒体事件搜索模块
第13章　基于用户搜索意图理解的在线社交网络跨媒体搜索系统的实现
13.1　引　言
13.2　系统设计
13.3　功能设计与实现
13.3.1　在线社交网络跨媒体信息主题表达模块
13.3.2　在线社交网络用户搜索意图理解与挖掘模块
13.3.3　在线社交网络突发话题发现模块
13.3.4　在线社交网络跨媒体搜索模块

首页> 图书频道> 工学> 计算机科学

第5章　基于强化学习的社交网络话题内容匹配

2025年09月21日

版权

第5章　基于强化学习的社交网络话题内容匹配