信念網(wǎng)絡(luò)在話題識(shí)別與追蹤中的應(yīng)用研究

定　價(jià)：￥58.00

作　者：	吳樹芳，朱杰
出版社：	科學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787030518859	出版時(shí)間：	2017-03-01	包裝：
開本：	16開	頁數(shù)：	144	字?jǐn)?shù)：

內(nèi)容簡介

　　向量空間檢索模型在話題識(shí)別與追蹤領(lǐng)域的成功應(yīng)用，從理論上證明用于信息檢索的貝葉斯網(wǎng)絡(luò)模型亦可用于該領(lǐng)域。信念網(wǎng)絡(luò)模型屬于基于貝葉斯網(wǎng)絡(luò)的檢索模型的一種，專著圍繞該思想，將其用于話題識(shí)別與追蹤模型的構(gòu)建，為該領(lǐng)域提出新的研究方法。考慮到新聞報(bào)道的特殊性，在文本處理階段，將在基本互信息的基礎(chǔ)上，提出融合聚類思想和時(shí)間距離的新聞話題特征選擇方法，用于計(jì)算新聞報(bào)道中術(shù)語的權(quán)重。為了獲得每個(gè)話題的初始特征子集規(guī)模，給出基于類內(nèi)距離*小、類間距離大的目標(biāo)函數(shù)，并采用坐標(biāo)下降法對(duì)其求解結(jié)合信念網(wǎng)絡(luò)模型和新聞報(bào)道的特點(diǎn)，給出四個(gè)基于信念網(wǎng)絡(luò)的話題模型BSTM-I、BSTM-II、BDTM-I和BDTM-II。BSTM-I、BSTM-II屬于靜態(tài)話題模型，其區(qū)別是節(jié)點(diǎn)層數(shù)、類型。BDTM-I屬于動(dòng)態(tài)話題模型，節(jié)點(diǎn)類型和弧的意義與靜態(tài)模型相同，不同的是在話題追蹤過程中，其術(shù)語層會(huì)隨著話題的發(fā)展而不斷更新，包括術(shù)語權(quán)重的更新和術(shù)語節(jié)點(diǎn)的插入、刪除。以上三個(gè)話題模型沿用了傳統(tǒng)建模思想，具備和以往模型相同的優(yōu)缺點(diǎn)。BDTM-II打破傳統(tǒng)建模的思想，運(yùn)用信念網(wǎng)絡(luò)模型提供了一個(gè)靈活框架的優(yōu)勢(shì)，將術(shù)語節(jié)點(diǎn)分為兩類：初始核心術(shù)語節(jié)點(diǎn)和更新術(shù)語節(jié)點(diǎn)，并采用析取手段將它們作為兩類證據(jù)進(jìn)行歸并。依據(jù)模型的拓?fù)浣Y(jié)構(gòu)、貝葉斯概率和條件獨(dú)立性假設(shè)給出了上述四個(gè)話題模型的概率推導(dǎo)。*后，專著將在上述內(nèi)容的基礎(chǔ)上，進(jìn)行基于信念網(wǎng)絡(luò)的話題模型優(yōu)化研究，以期進(jìn)一步提高模型的綜合性能。

作者簡介

　　暫無相關(guān)內(nèi)容

圖書目錄

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(shí)別與追蹤研究現(xiàn)狀
1．2．2 話題識(shí)別與追蹤模型研究現(xiàn)狀
1．2．3 信念網(wǎng)絡(luò)及應(yīng)用研究現(xiàn)狀
1．3 研究內(nèi)容與研究目標(biāo)
1．4 本書主要?jiǎng)?chuàng)新點(diǎn)
1．5 組織結(jié)構(gòu)
第2章研究基礎(chǔ)
2．1 測(cè)試集合及評(píng)測(cè)標(biāo)準(zhǔn)
2．1．1 測(cè)試集合
2．1．2 評(píng)測(cè)標(biāo)準(zhǔn)
2．2 話題識(shí)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(wù)
2．2．4 實(shí)現(xiàn)方法
2．2．5 經(jīng)典話題模型及擴(kuò)展研究
2．3 貝葉斯網(wǎng)絡(luò)理論
2．3．1 貝葉斯網(wǎng)絡(luò)的概率基礎(chǔ)
2．3．2 貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)
2．3．3 貝葉斯網(wǎng)絡(luò)的推理
2．3．4 基于貝葉斯網(wǎng)絡(luò)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(píng)價(jià)準(zhǔn)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(biāo)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(dòng)態(tài)互信息
3．6．2 特征子集規(guī)模的確定
3．7 實(shí)驗(yàn)與分析
3．7．1 目標(biāo)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(shí)驗(yàn)分析
3．8 本章小結(jié)
第4章基于信念網(wǎng)絡(luò)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(luò)的靜態(tài)話題模型Ⅰ
4．4 基于信念網(wǎng)絡(luò)的靜態(tài)話題模型Ⅱ
4．4．1 建模基礎(chǔ)
4．4．2 模型拓?fù)浣Y(jié)構(gòu)及概率推導(dǎo)
4．5 實(shí)驗(yàn)與分析
4．5．1 實(shí)驗(yàn)過程
4．5．2 實(shí)驗(yàn)結(jié)果及分析
4．6 本章小結(jié)
第5章基于信念網(wǎng)絡(luò)的動(dòng)態(tài)話題模型
5．1 引言
5．2 動(dòng)態(tài)話題模型理論
5．2．1 自適應(yīng)學(xué)習(xí)理論
5．2．2 增量式學(xué)習(xí)算法
5．2．3 結(jié)構(gòu)化話題模型的動(dòng)態(tài)變形
5．3 基于信念網(wǎng)絡(luò)的動(dòng)態(tài)話題模型Ⅰ
5．4 基于信念網(wǎng)絡(luò)的動(dòng)態(tài)話題模型Ⅱ
5．5 實(shí)驗(yàn)與分析
5．5．1 實(shí)驗(yàn)過程
5．5．2 實(shí)驗(yàn)結(jié)果
5．5．3 實(shí)驗(yàn)分析
5．6 本章小結(jié)
第6章誤報(bào)檢測(cè)用于優(yōu)化基于信念網(wǎng)絡(luò)的動(dòng)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(dòng)態(tài)話題追蹤誤報(bào)成因分析
6．4 誤報(bào)檢測(cè)
6．5 實(shí)驗(yàn)與分析
6．5．1 實(shí)驗(yàn)步驟
6．5．2 實(shí)驗(yàn)結(jié)果及分析
6．6 本章小結(jié)
第7章動(dòng)態(tài)話題追蹤中的時(shí)序權(quán)重
7．1 研究基礎(chǔ)
7．2 時(shí)序權(quán)重及動(dòng)態(tài)更新
7．3 實(shí)驗(yàn)及分析
7．3．1 時(shí)間距離閾值α
7．3．2 權(quán)重閾值β
7．3．3 時(shí)序權(quán)重有效性驗(yàn)證
7．4 本章小結(jié)
第8章基于話題的事件相似度計(jì)算
8．1 基礎(chǔ)知識(shí)
8．1．1 相關(guān)概念
8．1．2 模板設(shè)計(jì)
8．2 事件相似度計(jì)算
8．3 同一話題下的事件相似度計(jì)算方法
8．4 實(shí)驗(yàn)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(duì)今后工作的展望
參考文獻(xiàn)