声明
摘要
第一章 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 热点新闻点击量趋势预测
1.2.2 新闻话题演化脉络挖掘
1.3 本文的主要研究思路和创新点
1.3.1 基于算法融合策略的新闻点击量预测算法
1.3.2 基于多源语义特征和多标签分类模型的新闻话题演化挖掘算法
1.4 本文的组织架构
第二章 极限学习机和灰色模型融合的新闻点击量预测
2.1 引言
2.2 热点新闻点击量预测整体方案
2.2.1 Grey verhulst模型
2.2.2 极限学习机
2.3 基于GV-ELM模型的点击量预测算法
2.4 实验结果与分析
2.4.1 实验数据及评价指标
2.4.2 实验结果与分析
2.5 本章小结
第三章 面向话题演化的新闻配图和文本特征表示
3.1 引言
3.2 图像特征提取
3.2.1 浅语义图像特征提取
3.2.2 深语义图像特征提取——卷积神经网络
3.3 新闻特征表示的整体方案
3.4 配图语义特征抽取算法
3.4.1 配图抽象特征
3.4.2 配图语义特征
3.4.3 网络的实现
3.5 实验结果与分析
3.5.1 实验数据及评价指标
3.5.2 实验结果与分析
3.6 本章小结
第四章 基于多标签分类的话题演化算法研究
4.1 引言
4.2 新闻话题演化脉络挖掘整体方案
4.3 多标签分类算法
4.4 实验结果与分析
4.4.1 实验数据及事件链性能评估指标
4.4.2 实验结果与分析
4.5 本章小结
总结与展望
参考文献
致谢
攻读硕士学位期间取得的科研成果