幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

社交媒體風險信息檢測關鍵方法及應用研究/網路空間安全科學與技術叢書

  • 作者：王友衛|責編:邢建春
  • 出版社：人民郵電
  • ISBN：9787115678607
  • 出版日期：2025/10/01
  • 裝幀：平裝
  • 頁數：158
人民幣：RMB 99.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書圍繞社交媒體中的風險信息檢測問題，系統地梳理了作者的研究成果，結合傳統機器學習與典型深度學習方法，深入探討關鍵技術，並提出具有創新性的解決方案。全書主要分為數據篇、用戶篇和應用篇3個部分。數據篇介紹了社交媒體數據的獲取方法，並整合公開數據集，為風險信息檢測提供數據支撐。用戶篇分析用戶情感特徵，提出3種基於用戶表示的情感分類方法，提高分類準確性。應用篇針對垃圾郵件和謠言等風險信息，提出多種檢測方法，為今後的社交媒體風險信息檢測研究奠定基礎，為同類研究提供參考。
    本書的讀者群體主要包括社交媒體分析、人工智慧、網路安全、數據挖掘等相關領域的研究人員、工程師及高校師生。希望本書能夠為讀者提供新的研究思路和技術支持，推動社交媒體風險信息檢測技術的發展，為構建健康、安全的網路生態貢獻力量。
作者介紹
王友衛|責編:邢建春
目錄
  第1章  概述
    1.1  研究背景
      1.1.1  社交媒體中風險信息的概念
      1.1.2  問題提出
    1.2  相關研究
      1.2.1  社交媒體用戶表示
      1.2.2  風險信息檢測
    1.3  主要內容
      1.3.1  數據篇
      1.3.2  用戶篇
      1.3.3  應用篇
    參考文獻
數據篇
  第2章  數據準備
    2.1  數據採集方法
    2.2  相關數據集介紹
      2.2.1  自行爬取的數據集
      2.2.2  網路公開數據集
    2.3  小結
    參考文獻
用戶篇
  第3章  基於用戶興趣詞典的情感分類方法
    3.1  引言
    3.2  方法描述
      3.2.1  基於用戶興趣詞典的情感分類
      3.2.2  基於LSTM的情感分類
      3.2.3  基於用戶興趣詞典和LSTM的情感分類
    3.3  實驗結果與分析
      3.3.1  數據集及預處理
      3.3.2  演算法性能評價標準
      3.3.3  實驗對比演算法
      3.3.4  閾值th取值選擇
      3.3.5  不同演算法精度對比
      3.3.6  不同演算法效率對比
    3.4  小結
    參考文獻
  第4章  基於用戶歷史特徵的情感分類方法
    4.1  引言
    4.2  相關理論
      4.2.1  知識蒸餾
      4.2.2  情感知識增強預訓練模型
    4.3  方法描述
      4.3.1  問題描述
      4.3.2  方法設計
    4.4  實驗結果與分析
      4.4.1  數據集
      4.4.2  對比方法及參數設置
      4.4.3  數據增強驗證和測試集選定
      4.4.4  帶時間屬性的用戶特徵有效性驗證
      4.4.5  綜合比較

      4.4.6  模型通用性驗證
    4.5  小結
    參考文獻
  第5章  基於用戶性格特徵的情感分類方法
    5.1  引言
    5.2  相關理論
      5.2.1  大五人格模型
      5.2.2  門控循環單元（GRU）
    5.3  方法描述
      5.3.1  問題定義
      5.3.2  方法描述
    5.4  實驗結果與分析
      5.4.1  實驗環境和數據集
      5.4.2  演算法性能評價標準
      5.4.3  實驗對比方法及參數設置
      5.4.4  大五人格模型有效性驗證
      5.4.5  方法有效性驗證
      5.4.6  注意力機制有效性驗證
      5.4.7  綜合對比
    5.5  小結
    參考文獻
應用篇
  第6章  基於用戶興趣集的垃圾郵件快速在線識別方法
    6.1  引言
    6.2  方法描述
      6.2.1  樣本預處理
      6.2.2  特徵提取及樣本訓練
      6.2.3  樣本分類
      6.2.4  主動學習
      6.2.5  更新用戶興趣集
      6.2.6  更新訓練集
    6.3  實驗結果與分析
      6.3.1  實驗設置
      6.3.2  演算法耗時分析
      6.3.3  實驗結果
    6.4  小結
    參考文獻
  第7章  基於圖卷積網路的歸納式微博謠言檢測方法
    7.1  引言
    7.2  方法描述
      7.2.1  問題定義
      7.2.2  方法設計
    7.3  實驗結果與分析
      7.3.1  實驗設置
      7.3.2  評價指標
      7.3.3  評論利用時間對謠言檢測效率的影響
      7.3.4  微博事件建圖方法對比
      7.3.5  不同池化方法對比
      7.3.6  與現有典型方法的比較
    7.4  小結

    參考文獻
  第8章  基於事件詞語特徵異質圖的微博謠言檢測方法
    8.1  引言
    8.2  相關理論
      8.2.1  圖神經網路
      8.2.2  中文語言查詢和詞數統計詞典
    8.3  方法描述
      8.3.1  問題描述
      8.3.2  方法設計
    8.4  實驗結果與分析
      8.4.1  實驗設置
      8.4.2  隱藏層維度取值影響
      8.4.3  節點聚合方法比較
      8.4.4  消融實驗
      8.4.5  與現有典型方法的比較
      8.4.6  微博評論數量影響分析
    8.5  小結
    參考文獻
  第9章  基於時序結構交互特徵和用戶信息的謠言檢測方法
    9.1  引言
    9.2  方法描述
      9.2.1  問題定義
      9.2.2  全局用戶特徵提取
      9.2.3  基於BiGRU的時序空間特徵提取
      9.2.4  基於GAT的結構交互特徵提取
      9.2.5  謠言分類
    9.3  實驗結果與分析
      9.3.1  數據集與實驗設置
      9.3.2  評估指標與典型方法介紹
      9.3.3  與典型方法的對比實驗
      9.3.4  消融實驗
      9.3.5  謠言早期檢測實驗
    9.4  小結
    參考文獻
  第10章  總結與展望
    10.1  本書總結
    10.2  未來展望
    10.3  結束語

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032