精品久久国产老人久久综合,精品二区三区香蕉天天躁狠狠躁夜夜

內(nèi)容簡(jiǎn)介

　　向量空間檢索模型在話(huà)題識(shí)別與追蹤領(lǐng)域的成功應(yīng)用，從理論上證明用于信息檢索的貝葉斯網(wǎng)絡(luò)模型亦可用于該領(lǐng)域。信念網(wǎng)絡(luò)模型屬于基于貝葉斯網(wǎng)絡(luò)的檢索模型的一種，專(zhuān)著圍繞該思想，將其用于話(huà)題識(shí)別與追蹤模型的構(gòu)建，為該領(lǐng)域提出新的研究方法?？紤]到新聞報(bào)道的特殊性，在文本處理階段，將在基本互信息的基礎(chǔ)上，提出融合聚類(lèi)思想和時(shí)間距離的新聞話(huà)題特征選擇方法，用于計(jì)算新聞報(bào)道中術(shù)語(yǔ)的權(quán)重。為了獲得每個(gè)話(huà)題的初始特征子集規(guī)模，給出基于類(lèi)內(nèi)距離*小、類(lèi)間距離大的目標(biāo)函數(shù)，并采用坐標(biāo)下降法對(duì)其求解結(jié)合信念網(wǎng)絡(luò)模型和新聞報(bào)道的特點(diǎn)，給出四個(gè)基于信念網(wǎng)絡(luò)的話(huà)題模型BSTM-I、BSTM-II、BDTM-I和BDTM-II。BSTM-I、BSTM-II屬于靜態(tài)話(huà)題模型，其區(qū)別是節(jié)點(diǎn)層數(shù)、類(lèi)型。BDTM-I屬于動(dòng)態(tài)話(huà)題模型，節(jié)點(diǎn)類(lèi)型和弧的意義與靜態(tài)模型相同，不同的是在話(huà)題追蹤過(guò)程中，其術(shù)語(yǔ)層會(huì)隨著話(huà)題的發(fā)展而不斷更新，包括術(shù)語(yǔ)權(quán)重的更新和術(shù)語(yǔ)節(jié)點(diǎn)的插入、刪除。以上三個(gè)話(huà)題模型沿用了傳統(tǒng)建模思想，具備和以往模型相同的優(yōu)缺點(diǎn)。BDTM-II打破傳統(tǒng)建模的思想，運(yùn)用信念網(wǎng)絡(luò)模型提供了一個(gè)靈活框架的優(yōu)勢(shì)，將術(shù)語(yǔ)節(jié)點(diǎn)分為兩類(lèi)：初始核心術(shù)語(yǔ)節(jié)點(diǎn)和更新術(shù)語(yǔ)節(jié)點(diǎn)，并采用析取手段將它們作為兩類(lèi)證據(jù)進(jìn)行歸并。依據(jù)模型的拓?fù)浣Y(jié)構(gòu)、貝葉斯概率和條件獨(dú)立性假設(shè)給出了上述四個(gè)話(huà)題模型的概率推導(dǎo)。*后，專(zhuān)著將在上述內(nèi)容的基礎(chǔ)上，進(jìn)行基于信念網(wǎng)絡(luò)的話(huà)題模型優(yōu)化研究，以期進(jìn)一步提高模型的綜合性能。

作者簡(jiǎn)介

　　暫無(wú)相關(guān)內(nèi)容

圖書(shū)目錄

前言
第1章緒論
1．1 研究背景
1．2 研究現(xiàn)狀
1．2．1 話(huà)題識(shí)別與追蹤研究現(xiàn)狀
1．2．2 話(huà)題識(shí)別與追蹤模型研究現(xiàn)狀
1．2．3 信念網(wǎng)絡(luò)及應(yīng)用研究現(xiàn)狀
1．3 研究?jī)?nèi)容與研究目標(biāo)
1．4 本書(shū)主要?jiǎng)?chuàng)新點(diǎn)
1．5 組織結(jié)構(gòu)
第2章研究基礎(chǔ)
2．1 測(cè)試集合及評(píng)測(cè)標(biāo)準(zhǔn)
2．1．1 測(cè)試集合
2．1．2 評(píng)測(cè)標(biāo)準(zhǔn)
2．2 話(huà)題識(shí)別與追蹤相關(guān)研究
2．2．1 發(fā)展歷程
2．2．2 相關(guān)概念
2．2．3 研究任務(wù)
2．2．4 實(shí)現(xiàn)方法
2．2．5 經(jīng)典話(huà)題模型及擴(kuò)展研究
2．3 貝葉斯網(wǎng)絡(luò)理論
2．3．1 貝葉斯網(wǎng)絡(luò)的概率基礎(chǔ)
2．3．2 貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)
2．3．3 貝葉斯網(wǎng)絡(luò)的推理
2．3．4 基于貝葉斯網(wǎng)絡(luò)的信息檢索模型
2．4 本章小結(jié)
第3章話(huà)題特征選擇
3．1 引言
3．2 特征選擇理論
3．2．1 基于搜索策略的特征選擇方法
3．2．2 基于評(píng)價(jià)準(zhǔn)則的特征選擇方法
3．3 基于ITF-IDF的話(huà)題特征選擇
3．4 坐標(biāo)下降法
3．5 基于聚類(lèi)的互信息
3．6 基于DCMI的話(huà)題特征選擇
3．6．1 動(dòng)態(tài)互信息
3．6．2 特征子集規(guī)模的確定
3．7 實(shí)驗(yàn)與分析
3．7．1 目標(biāo)函數(shù)求解
3．7．2 DCMI和BMI性能比較
3．7．3 DCMI和ITF-IDF的追蹤性能
3．7．4 實(shí)驗(yàn)分析
3．8 本章小結(jié)
第4章基于信念網(wǎng)絡(luò)的靜態(tài)話(huà)題模型
4．1 引言
4．2 靜態(tài)話(huà)題模型理論
4．3 基于信念網(wǎng)絡(luò)的靜態(tài)話(huà)題模型Ⅰ
4．4 基于信念網(wǎng)絡(luò)的靜態(tài)話(huà)題模型Ⅱ
4．4．1 建模基礎(chǔ)
4．4．2 模型拓?fù)浣Y(jié)構(gòu)及概率推導(dǎo)
4．5 實(shí)驗(yàn)與分析
4．5．1 實(shí)驗(yàn)過(guò)程
4．5．2 實(shí)驗(yàn)結(jié)果及分析
4．6 本章小結(jié)
第5章基于信念網(wǎng)絡(luò)的動(dòng)態(tài)話(huà)題模型
5．1 引言
5．2 動(dòng)態(tài)話(huà)題模型理論
5．2．1 自適應(yīng)學(xué)習(xí)理論
5．2．2 增量式學(xué)習(xí)算法
5．2．3 結(jié)構(gòu)化話(huà)題模型的動(dòng)態(tài)變形
5．3 基于信念網(wǎng)絡(luò)的動(dòng)態(tài)話(huà)題模型Ⅰ
5．4 基于信念網(wǎng)絡(luò)的動(dòng)態(tài)話(huà)題模型Ⅱ
5．5 實(shí)驗(yàn)與分析
5．5．1 實(shí)驗(yàn)過(guò)程
5．5．2 實(shí)驗(yàn)結(jié)果
5．5．3 實(shí)驗(yàn)分析
5．6 本章小結(jié)
第6章誤報(bào)檢測(cè)用于優(yōu)化基于信念網(wǎng)絡(luò)的動(dòng)態(tài)話(huà)題模型Ⅱ
6．1 引言
6．2 主流靜態(tài)分析技術(shù)
6．3 動(dòng)態(tài)話(huà)題追蹤誤報(bào)成因分析
6．4 誤報(bào)檢測(cè)
6．5 實(shí)驗(yàn)與分析
6．5．1 實(shí)驗(yàn)步驟
6．5．2 實(shí)驗(yàn)結(jié)果及分析
6．6 本章小結(jié)
第7章動(dòng)態(tài)話(huà)題追蹤中的時(shí)序權(quán)重
7．1 研究基礎(chǔ)
7．2 時(shí)序權(quán)重及動(dòng)態(tài)更新
7．3 實(shí)驗(yàn)及分析
7．3．1 時(shí)間距離閾值α
7．3．2 權(quán)重閾值β
7．3．3 時(shí)序權(quán)重有效性驗(yàn)證
7．4 本章小結(jié)
第8章基于話(huà)題的事件相似度計(jì)算
8．1 基礎(chǔ)知識(shí)
8．1．1 相關(guān)概念
8．1．2 模板設(shè)計(jì)
8．2 事件相似度計(jì)算
8．3 同一話(huà)題下的事件相似度計(jì)算方法
8．4 實(shí)驗(yàn)內(nèi)容及分析
8．5 本章小結(jié)
第9章總結(jié)與展望
9．1 本書(shū)的主要工作
9．2 對(duì)今后工作的展望
參考文獻(xiàn)