0去购物车结算
购物车中还没有商品,赶紧选购吧!
当前位置: > 信念网络在话题识别与追踪中的应用研究

相同语种的商品

浏览历史

信念网络在话题识别与追踪中的应用研究


联系编辑
 
标题:
 
内容:
 
联系方式:
 
  
信念网络在话题识别与追踪中的应用研究
  • 书号:9787030518859
    作者:吴树芳,朱杰
  • 外文书名:
  • 装帧:平装
    开本:B5
  • 页数:156
    字数:250
    语种:zh-Hans
  • 出版社:科学出版社
    出版时间:2017-04-13
  • 所属分类:
  • 定价: ¥58.00元
    售价: ¥45.82元
  • 图书介质:
    纸质书

  • 购买数量: 件  商品库存: 7
  • 商品总价:

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

向量空间检索模型在话题识别与追踪领域的成功应用,从理论上证明用于信息检索的贝叶斯网络模型亦可用于该领域。信念网络模型属于基于贝叶斯网络的检索模型的一种,它提供了一个灵活的框架,可以有效地归并不同证据。作者尝试将信念网络用于话题识别与追踪模型的构建,为该领域提出新的研究方法。本书在信念网络检索模型的基础上给出四个话题模型,其中第二个动态话题模型归并了新闻话题的初始证据和更新证据,解决了传统静态话题模型、动态话题模型孰优孰劣的问题,有效控制了话题漂移现象。为提高话题识别与追踪的综合性能,对新闻数据预处理阶段的特征选择、权重计算和模型优化进行了相关研究。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页
用户名: 匿名用户
E-mail:
咨询内容:

目录

  • 目录

    前言
    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Ⅰ 87
    4.4 基于信念网络的静态话题模型Ⅱ 88
    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Ⅰ 99
    5.4 基于信念网络的动态话题模型Ⅱ 100
    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Ⅱ 107
    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α 119
    7.3.2 权重阈值β 120
    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
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证