采用网络表示学习的多源社交媒体事件分类

目录

第一章绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.2.1社交媒体研究现状

1.2.2网络表示学习研究现状

1.3 本文的研究内容与创新点

1.4 本文的结构安排

第二章相关理论基础

2.1 基于网络拓扑结构的图嵌入方法

2.1.1基于矩阵分解的方法

2.1.2基于随机游走的方法

2.1.3基于边缘建模的方法

2.1.4基于深度学习的方法

2.1.5混合方法

2.2 机器学习中常用的分类和回归方法

2.2.1 支持向量机

2.2.2 逻辑回归

2.2.3 线性回归

2.2.4 梯度提升决策树

2.3 本章小结

第三章多源社交媒体事件关系图的生成

3.1 问题的提出

3.2 社交网络图的构建

3.3 网络表示学习的定义

3.4 实验设计

3.4.1 数据集

3.4.2 评价指标

3.4.3 DeepWalk算法

3.4.4 多标签的分类

3.5 本章小结

第四章基于向量组合的多源社交媒体事件分类

4.1 问题的提出

4.2 基于向量组合的社交媒体事件分类

4.2.1 多源社交媒体事件分类的框架

4.2.2 最优节点向量表示的生成

4.2.3 用于多标签分类任务的Stacking模型

4.3 实验设计

4.3.1 数据集

4.3.2 评价指标

4.3.3 对比的模型

4.3.4 与基向量的方法对比

4.3.5 实验结果与分析

4.4 分类器模型的对比

4.5 本章小结

结论

参考文献

攻读学位期间取得的研究成果

声明

致谢