隨著互聯(lián)網(wǎng)的快速發(fā)展,人們獲取、傳播信息的方式發(fā)生了革命性的變化。尤其是在線社交網(wǎng)絡(luò)（即社交網(wǎng)絡(luò)服務(wù),Social Network Service,SNS）的出現(xiàn),改變了傳統(tǒng)的信息擴散方式,社交網(wǎng)絡(luò)已逐漸成為主流的信息發(fā)布和傳播平臺。事件（Event）是指具有主題,時間維度以及一組相關(guān)實體（如位置、人員、組織等）的抽象概念。本文開展社交網(wǎng)絡(luò)上信息傳播的數(shù)據(jù)挖掘和方法研究,通過對社交網(wǎng)絡(luò)上事件產(chǎn)生、爆發(fā)和發(fā)展的研究,了解信息傳播的模式和特點,進而為計算廣告、數(shù)據(jù)新聞等實際應(yīng)用場景提供有效支撐。具體的工作和創(chuàng)新如下:首先,本文提出了一種社交網(wǎng)絡(luò)熱點事件檢測、追蹤和演化分析方法。社交事件一般涉及時間、地點、主體等信息,可能關(guān)于時事政治、熱門事件等,也可能是關(guān)于網(wǎng)絡(luò)謠言、虛假廣告等不良信息。反過來,人們可以通過社交網(wǎng)絡(luò)上熱烈討論的內(nèi)容來了解有什么事件發(fā)生。如何自動的發(fā)現(xiàn)這些社交事件及其演化關(guān)系,幫助用戶過濾、組織管理信息是一個急需解決的任務(wù)。盡管之前有很多關(guān)于新聞事件和文檔話題演化分析的相關(guān)工作,但是社交媒體帶來了新的挑戰(zhàn):社交媒體通常是短文本,具有高維、稀疏、數(shù)據(jù)量大等特點;由于字數(shù)限制,用... 

【文章來源】：中國科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁數(shù)】：92 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀及面臨的主要挑戰(zhàn)
        1.2.1 國內(nèi)外研究現(xiàn)狀
        1.2.2 面臨的主要挑戰(zhàn)
    1.3 研究內(nèi)容與主要貢獻
    1.4 組織結(jié)構(gòu)
第2章 社交網(wǎng)絡(luò)事件檢測和追蹤方法
    2.1 引言
    2.2 相關(guān)工作
        2.2.1 事件檢測
        2.2.2 事件演變與追蹤
        2.2.3 事件預(yù)測
    2.3 預(yù)備知識
        2.3.1 推特的生態(tài)系統(tǒng)
        2.3.2 事件(Event)
        2.3.3 隱狄利克雷分配模型(LDA)
        2.3.4 Twitter LDA
    2.4 事件檢測和追蹤方法
        2.4.1 問題描述
        2.4.2 事件檢測
        2.4.3 事件演變和追蹤
    2.5 實驗分析
        2.5.1 數(shù)據(jù)集描述
        2.5.2 標準LDA和Twitter LDA比較
        2.5.3 實體抽取和時間分段
        2.5.4 事件追蹤
    2.6 本章小結(jié)
第3章 社交網(wǎng)絡(luò)事件序列的表示和預(yù)測方法
    3.1 引言
    3.2 相關(guān)工作
        3.2.1 基于特征的方法
        3.2.2 生成方法
    3.3 預(yù)備知識
        3.3.1 問題定義
        3.3.2 時間點過程
        3.3.3 變分自編碼器
    3.4 基于變分點過程的事件序列分析模型
        3.4.1 事件的表示和低維嵌入
        3.4.2 生成
        3.4.3 推斷
        3.4.4 學(xué)習(xí)
    3.5 實驗分析
        3.5.1 數(shù)據(jù)集
        3.5.2 模型架構(gòu)細節(jié)
        3.5.3 實現(xiàn)細節(jié)
        3.5.4 對比方法
        3.5.5 評價指標
        3.5.6 實驗結(jié)果
    3.6 本章小結(jié)
第4章 社交媒體上的廣告點擊率預(yù)測方法
    4.1 引言
    4.2 相關(guān)工作
        4.2.1 點擊率預(yù)測
        4.2.2 稀疏性問題
    4.3 稀疏因子分解機
        4.3.1 預(yù)備知識
        4.3.2 稀疏因子分解機模型
        4.3.3 貝葉斯推斷
        4.3.4 分布式實現(xiàn)
    4.4 實驗分析
        4.4.1 實驗設(shè)置
        4.4.2 實驗結(jié)果
        4.4.3 應(yīng)用情況
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 未來展望
參考文獻
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果


【參考文獻】：
期刊論文
[1]計算廣告:以數(shù)據(jù)為核心的Web綜合應(yīng)用[J]. 周傲英,周敏奇,宮學(xué)慶.  計算機學(xué)報. 2011(10)



本文編號：3459473