返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版 信念网络在话题识别与追踪中的应用研究 吴树芳 科学出版社
  • 新华书店旗下自营,正版全新
    • 作者: 吴树芳著 | 吴树芳编 | 吴树芳译 | 吴树芳绘
    • 出版社: 科学出版社
    • 出版时间:2016-09
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    美阅书店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 吴树芳著| 吴树芳编| 吴树芳译| 吴树芳绘
    • 出版社:科学出版社
    • 出版时间:2016-09
    • 版次:1
    • 印刷时间:2017-03-01
    • 字数:200千字
    • 页数:144
    • 开本:小16开
    • ISBN:9787030518859
    • 版权提供:科学出版社
    • 作者:吴树芳
    • 著:吴树芳
    • 装帧:平装-胶订
    • 印次:暂无
    • 定价:58.00
    • ISBN:9787030518859
    • 出版社:科学出版社
    • 开本:小16开
    • 印刷时间:2017-03-01
    • 语种:中文
    • 出版时间:2016-09
    • 页数:144
    • 外部编号:8932641
    • 版次:1
    • 成品尺寸:暂无

    前言
    第1章 绪论
    1.1 研究背景
    1.2 研究现状
    1.2.1 话题识别与追踪研究现状
    1.2.2 话题识别与追踪模型研究现状
    1.2.3 信念网络及应用研究现状
    1.3 研究内容与研究目标
    1.4 本书主要创新点
    1.5 组织结构
    第2章 研究基础
    2.1 测试集合及评测标准
    2.1.1 测试集合
    2.1.2 评测标准
    2.2 话题识别与追踪相关研究
    2.2.1 发展历程
    2.2.2 相关概念
    2.2.3 研究任务
    2.2.4 实现方法
    2.2.5 经典话题模型及扩展研究
    2.3 贝叶斯网络理论
    2.3.1 贝叶斯网络的概率基础
    2.3.2 贝叶斯网络的结构
    2.3.3 贝叶斯网络的推理
    2.3.4 基于贝叶斯网络的信息检索模型
    2.4 本章小结
    第3章 话题特征选择
    3.1 引言
    3.2 特征选择理论
    3.2.1 基于搜索策略的特征选择方法
    3.2.2 基于评价准则的特征选择方法
    3.3 基于ITF-IDF的话题特征选择
    3.4 坐标下降法
    3.5 基于聚类的互信息
    3.6 基于DCMI的话题特征选择
    3.6.1 动态互信息
    3.6.2 特征子集规模的确定
    3.7 实验与分析
    3.7.1 目标函数求解
    3.7.2 DCMI和BMI性能比较
    3.7.3 DCMI和ITF-IDF的追踪性能
    3.7.4 实验分析
    3.8 本章小结
    第4章 基于信念网络的静态话题模型
    4.1 引言
    4.2 静态话题模型理论
    4.3 基于信念网络的静态话题模型Ⅰ
    4.4 基于信念网络的静态话题模型Ⅱ
    4.4.1 建模基础
    4.4.2 模型拓扑结构及概率推导
    4.5 实验与分析
    4.5.1 实验过程
    4.5.2 实验结果及分析
    4.6 本章小结
    第5章 基于信念网络的动态话题模型
    5.1 引言
    5.2 动态话题模型理论
    5.2.1 自适应学习理论
    5.2.2 增量式学习算法
    5.2.3 结构化话题模型的动态变形
    5.3 基于信念网络的动态话题模型Ⅰ
    5.4 基于信念网络的动态话题模型Ⅱ
    5.5 实验与分析
    5.5.1 实验过程
    5.5.2 实验结果
    5.5.3 实验分析
    5.6 本章小结
    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
    6.1 引言
    6.2 主流静态分析技术
    6.3 动态话题追踪误报成因分析
    6.4 误报检测
    6.5 实验与分析
    6.5.1 实验步骤
    6.5.2 实验结果及分析
    6.6 本章小结
    第7章 动态话题追踪中的时序权重
    7.1 研究基础
    7.2 时序权重及动态更新
    7.3 实验及分析
    7.3.1 时间距离阈值α
    7.3.2 权重阈值β
    7.3.3 时序权重有效性验证
    7.4 本章小结
    第8章 基于话题的事件相似度计算
    8.1 基础知识
    8.1.1 相关概念
    8.1.2 模板设计
    8.2 事件相似度计算
    8.3 同一话题下的事件相似度计算方法
    8.4 实验内容及分析
    8.5 本章小结
    第9章 总结与展望
    9.1 本书的主要工作
    9.2 对今后工作的展望

    评论

    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。


    《信念网络在话题识别与追踪中的应用研究》可以作为高等院校信息管理与信息系统、计算机科学与技术、管理科学与工程、情报学和图书馆学等专业研究生的教材,也可以作为相关领域研究人员的参考书。 

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购