掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
妙相梵容
-
>
基立爾蒙文:蒙文
-
>
我的石頭記
-
>
心靈元氣社
-
>
女性生存戰爭
-
>
縣中的孩子 中國縣域教育生態
-
>
(精)人類的明天(八品)
網絡輿情中的的熱點話題研究 版權信息
- ISBN：9787030661944
- 條形碼：9787030661944 ; 978-7-03-066194-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
網絡輿情中的的熱點話題研究 內容簡介
熱點話題發現是話題識別與追蹤的重點研究分支，其演化過程涉及輿情的傳播，該研究具有重要的理論價值與應用價值。本書首先以貝葉斯理論為基礎，結合話題的特點，提出有效的話題熱度計算方法，實現對熱點話題的識別。然后通過案例分析，發現熱點話題的演化脈絡，通過關系挖掘，實現話題的有效演化。很后系統分析話題演化中盡力避免的話題漂移問題，引起話題漂移的主要原因是噪聲的引入，解決該問題是降低話題漂移產生的關鍵點，據此，我們分析了噪聲的典型特征，提出面向話題演化的噪聲特征識別算法。采用非常不錯的TDT語料對上述研究內容進行實證分析。
網絡輿情中的的熱點話題研究 目錄
目 錄
前言
第1 章 網絡輿情 1
1.1 網絡輿情概述 3
1.1.1 相關概念 3
1.1.2 表現形式 3
1.1.3 網絡輿情的特點 5
1.1.4 網絡輿情的分類 8
1.2 網絡輿情的管理 9
1.2.1 網絡輿情管理的界定 10
1.2.2 網絡輿情管理的意義 11
1.2.3 網絡輿情管理的措施 12
1.3 網絡輿情的數據分析 15
1.3.1 網絡輿情數據分析概述 15
1.3.2 網絡輿情數據分析步驟 15
1.3.3 網絡輿情數據分析方法 19
1.4 網絡輿情的傳播 19
1.4.1 網絡輿情傳播的載體 20
1.4.2 網絡輿情傳播的要素 22
1.4.3 網絡輿情的傳播特征 23
1.4.4 網絡輿情的傳播階段 25
1.4.5 網絡輿情的傳播模式 27
1.5 網絡輿情的監測 29
1.5.1 網絡輿情監測的意義 31
1.5.2 網絡輿情監測模型 31
1.5.3 網絡輿情監測相關技術 32
1.6 網絡輿情的預警 33
1.6.1 網絡輿情預警的內容 33
1.6.2 網絡輿情預警的等級 34
1.6.3 輿情不同傳播階段的預警重點 34
1.6.4 網絡輿情預警指標構建 35
1.7 本章小結 36
第2 章 話題識別與追蹤 37
2.1 話題識別與追蹤研究前沿及發展歷程 37
2.1.1 研究前沿 37
2.1.2 發展歷程 41
2.2 話題識別與追蹤的相關概念 43
2.3 話題識別與追蹤的任務 43
2.3.1 報道切分 44
2.3.2 話題識別 44
2.3.3 話題追蹤 45
2.3.4 首報道識別 45
2.3.5 關聯檢測 45
2.4 話題識別與追蹤的評價指標 45
2.4.1 識別評價指標 45
2.4.2 識別錯誤權衡曲線(DET 曲線) 46
2.5 話題識別與追蹤的測試集合 48
2.6 本章小結 54
第3 章 基于貝葉斯網絡的話題識別與追蹤55
3.1 貝葉斯網絡簡介 55
3.2 貝葉斯網絡基礎 56
3.3 貝葉斯網絡的拓撲結構及概率推導 58
3.3.1 貝葉斯網絡的拓撲結構 58
3.3.2 概率推導 59
3.3.3 動態貝葉斯網絡 59
3.4 貝葉斯網絡的推理 61
3.5 貝葉斯網絡與因果分析 62
3.6 貝葉斯網絡在話題識別與追蹤中的應用 62
3.6.1 基于樸素貝葉斯理論的話題識別與追蹤 64
3.6.2 基于信念網絡的話題識別與追蹤 65
3.7 本章小結 71
第4 章 基于上下文信息的話題字典的構建73
4.1 話題特征選擇 73
4.1.1 基本理論 74
4.1.2 基于增量式TF-IDF 的話題特征選擇 77
4.1.3 基于聚類和時間因素的話題特征選擇 77
4.2 上下文信息 79
4.3 融合上下文信息的話題字典生成 81
4.4 實驗與分析 85
4.5 本章小結 88
第5 章 融合時序性和波動性的熱點話題發現 89
5.1 熱點話題發現研究的意義 89
5.2 代表性熱點話題發現研究 89
5.3 新聞話題的時序性和波動性簡述 97
5.4 基于時序性和波動性的話題熱度計算 98
5.4.1 基于時序的相關報道密度計算 98
5.4.2 基于波動性的峰值計算 99
5.4.3 話題熱度計算 99
5.5 實驗結果及分析 99
5.6 本章小結 101
第6 章 面向熱點話題演化的噪聲特征識別 103
6.1 話題演化概述 103
6.2 話題演化相關研究 104
6.3 話題演化與話題漂移關系概述 109
6.4 話題演化中噪聲引入分析 110
6.5 噪聲特征權重衰減及識別 111
6.5.1 特征的間斷性和分布性量化 112
6.5.2 噪聲特征權重衰減 112
6.5.3 噪聲特征識別 114
6.6 實證研究 115
6.7 本章小結 117
第7 章 熱點話題的參與者——意見領袖特征分析 118
7.1 理論基礎 118
7.1.1 意見領袖 118
7.1.2 社會網絡分析法 119
7.2 數據獲取 121
7.3 熱點話題意見領袖識別 122
7.3.1 網絡密度分析 123
7.3.2 網絡中心性分析 123
7.3.3 話題意見領袖識別 125
7.4 意見領袖特征分析 126
7.5 本章小結 131
第8 章 網絡輿情中的熱點話題推薦 132
8.1 個性化推薦相關研究 132
8.2 個性化推薦概述 134
8.2.1 個性化推薦的關鍵問題 134
8.2.2 個性化推薦方法 135
8.2.3 個性化推薦的評價指標 137
8.3 集成算法 139
8.3.1 Bagging 140
8.3.2 Boosting 140
8.3.3 Stacking 141
8.4 基于Stacking 集成的熱點話題推薦 142
8.5 實證研究 144
8.6 本章小結 147
參考文獻 148
后記 158
前言
第1 章 網絡輿情 1
1.1 網絡輿情概述 3
1.1.1 相關概念 3
1.1.2 表現形式 3
1.1.3 網絡輿情的特點 5
1.1.4 網絡輿情的分類 8
1.2 網絡輿情的管理 9
1.2.1 網絡輿情管理的界定 10
1.2.2 網絡輿情管理的意義 11
1.2.3 網絡輿情管理的措施 12
1.3 網絡輿情的數據分析 15
1.3.1 網絡輿情數據分析概述 15
1.3.2 網絡輿情數據分析步驟 15
1.3.3 網絡輿情數據分析方法 19
1.4 網絡輿情的傳播 19
1.4.1 網絡輿情傳播的載體 20
1.4.2 網絡輿情傳播的要素 22
1.4.3 網絡輿情的傳播特征 23
1.4.4 網絡輿情的傳播階段 25
1.4.5 網絡輿情的傳播模式 27
1.5 網絡輿情的監測 29
1.5.1 網絡輿情監測的意義 31
1.5.2 網絡輿情監測模型 31
1.5.3 網絡輿情監測相關技術 32
1.6 網絡輿情的預警 33
1.6.1 網絡輿情預警的內容 33
1.6.2 網絡輿情預警的等級 34
1.6.3 輿情不同傳播階段的預警重點 34
1.6.4 網絡輿情預警指標構建 35
1.7 本章小結 36
第2 章 話題識別與追蹤 37
2.1 話題識別與追蹤研究前沿及發展歷程 37
2.1.1 研究前沿 37
2.1.2 發展歷程 41
2.2 話題識別與追蹤的相關概念 43
2.3 話題識別與追蹤的任務 43
2.3.1 報道切分 44
2.3.2 話題識別 44
2.3.3 話題追蹤 45
2.3.4 首報道識別 45
2.3.5 關聯檢測 45
2.4 話題識別與追蹤的評價指標 45
2.4.1 識別評價指標 45
2.4.2 識別錯誤權衡曲線(DET 曲線) 46
2.5 話題識別與追蹤的測試集合 48
2.6 本章小結 54
第3 章 基于貝葉斯網絡的話題識別與追蹤55
3.1 貝葉斯網絡簡介 55
3.2 貝葉斯網絡基礎 56
3.3 貝葉斯網絡的拓撲結構及概率推導 58
3.3.1 貝葉斯網絡的拓撲結構 58
3.3.2 概率推導 59
3.3.3 動態貝葉斯網絡 59
3.4 貝葉斯網絡的推理 61
3.5 貝葉斯網絡與因果分析 62
3.6 貝葉斯網絡在話題識別與追蹤中的應用 62
3.6.1 基于樸素貝葉斯理論的話題識別與追蹤 64
3.6.2 基于信念網絡的話題識別與追蹤 65
3.7 本章小結 71
第4 章 基于上下文信息的話題字典的構建73
4.1 話題特征選擇 73
4.1.1 基本理論 74
4.1.2 基于增量式TF-IDF 的話題特征選擇 77
4.1.3 基于聚類和時間因素的話題特征選擇 77
4.2 上下文信息 79
4.3 融合上下文信息的話題字典生成 81
4.4 實驗與分析 85
4.5 本章小結 88
第5 章 融合時序性和波動性的熱點話題發現 89
5.1 熱點話題發現研究的意義 89
5.2 代表性熱點話題發現研究 89
5.3 新聞話題的時序性和波動性簡述 97
5.4 基于時序性和波動性的話題熱度計算 98
5.4.1 基于時序的相關報道密度計算 98
5.4.2 基于波動性的峰值計算 99
5.4.3 話題熱度計算 99
5.5 實驗結果及分析 99
5.6 本章小結 101
第6 章 面向熱點話題演化的噪聲特征識別 103
6.1 話題演化概述 103
6.2 話題演化相關研究 104
6.3 話題演化與話題漂移關系概述 109
6.4 話題演化中噪聲引入分析 110
6.5 噪聲特征權重衰減及識別 111
6.5.1 特征的間斷性和分布性量化 112
6.5.2 噪聲特征權重衰減 112
6.5.3 噪聲特征識別 114
6.6 實證研究 115
6.7 本章小結 117
第7 章 熱點話題的參與者——意見領袖特征分析 118
7.1 理論基礎 118
7.1.1 意見領袖 118
7.1.2 社會網絡分析法 119
7.2 數據獲取 121
7.3 熱點話題意見領袖識別 122
7.3.1 網絡密度分析 123
7.3.2 網絡中心性分析 123
7.3.3 話題意見領袖識別 125
7.4 意見領袖特征分析 126
7.5 本章小結 131
第8 章 網絡輿情中的熱點話題推薦 132
8.1 個性化推薦相關研究 132
8.2 個性化推薦概述 134
8.2.1 個性化推薦的關鍵問題 134
8.2.2 個性化推薦方法 135
8.2.3 個性化推薦的評價指標 137
8.3 集成算法 139
8.3.1 Bagging 140
8.3.2 Boosting 140
8.3.3 Stacking 141
8.4 基于Stacking 集成的熱點話題推薦 142
8.5 實證研究 144
8.6 本章小結 147
參考文獻 148
后記 158
展開全部
書友推薦
- >
月亮與六便士
- >
李白與唐代文化
- >
唐代進士錄
- >
姑媽的寶刀
- >
苦雨齋序跋文-周作人自編集
- >
自卑與超越
- >
伊索寓言-世界文學名著典藏-全譯本
- >
回憶愛瑪儂
本類暢銷
