网络信息的模式识别与可信测度

本书主要涉及在用户生成内容基础上，面向商务决策的数据增值分析。新兴信息技术环境下，用户可以主动参与信息的生成、交互及共享，因而基于用户的个性化行为数据，可以挖掘用户的认知偏好，基于用户间的交互行为数据，可以挖掘大众性的集体智慧。此外，面向商务决策的数据增值分析体现在用户需求的满足，因而基于用户介入的数据增值分析将比传统途径更具有优势。本书的主要内容有：（1）用户介入的机理及途径；（2）决策场景识别理论及方法；（3）数据增值方式及模型。

前言
1 引言
1.1 网络信息的含义及特征
1.2 网络信息的社会化标注
1.3 网络信息社会化标注的基础理论
第一部分 理论基础及方法基础
2理论基础
2.1 信息内容的主题识别
2.2 信息主体间关联识别
2.3 信息内容的可信测度
3方法基础
3.1 矩阵奇异值分解与隐含语义分析
3.2 贝叶斯推理及贝叶斯网络
3.3 社会网络分析与异质信息网络分析
3.4 语义网络与知识图谱
第二部分 网络信息的模式识别
4主题挖掘
4.1 基于贝叶斯隐含语义分析的标注主题聚类
4.2 基于动态贝叶斯模型的标注主题聚类
4.3 基于贝叶斯层级模型的标注主题聚类
5关联挖掘
5.1 社会化标注系统要素的社区划分
5.2 社会化标注系统要素的排序
5.3 社会化标注系统要素的语义识别
第三部分 网络信息的可信测度
6概率性可信测度
6.1 基于贝叶斯推理的社会化媒体网络信息内容可信测度
6.2 基于贝叶斯网络的社会化媒体网络信息内容可信测度
6.3 基于迁移学习的社会化媒体网络信息内容的可信测度
7语义性可信测度
7.1 基于专家性用户经验构建语义网络
7.2 基于大众性用户体验构建语义网络
7.3 基于KL散度的文本分类研究
参考文献