新書推薦：
《
京剧基础教程 ： 京剧切末术语 ： 汉英对照
》
售價：HK$
74.8
《
大模型Agent开发实践
》
售價：HK$
97.9
《
《四圣心源》入门精讲
》
售價：HK$
65.8
《
眼科医生的护眼妙招
》
售價：HK$
43.8
《
观乎动植：康乾时代的清宫博物绘画
》
售價：HK$
184.8
《
香港电影：反思与观照
》
售價：HK$
74.8
《
掌握提问驱动AI：速通大模型提示工程
》
售價：HK$
108.9
《
孤注一掷：大规模变革如何真正发生
》
售價：HK$
57.2
|
| 編輯推薦： |
1.本书是一本集理论与实践于一体的专业书，旨在为社交网络、信息安全、人工智能等领域的研究者和实践者提供全面的社交媒体风险信息检测知识体系和应用案例。
2.本书作者王友卫是中央财经大学副教授、硕士生导师、中央财经大学“菁英学者”，多年来一直从事网络内容安全分析领域的教学和研究工作，对社交媒体风险信息检测技术有深入的研究。
3.本书系统地介绍了社交媒体风险信息检测的基本概念、关键技术、应用场景和发展趋势，内容覆盖了从基础理论到实际应用的各个方面，为读者提供了一个完整的社交媒体风险信息检测知识体系，有助于读者在掌握社交媒体风险信息识别关键技术的同时了解该领域的发展方向。
|
| 內容簡介： |
本书围绕社交媒体中的风险信息检测问题，系统地梳理了作者的研究成果，结合传统机器学习与典型深度学习方法，深入探讨关键技术，并提出创新性解决方案。全书主要分为数据篇、用户篇和应用篇3个部分。数据篇介绍了社交媒体数据的获取方法，并整合公开数据集，为风险信息检测提供数据支撑。用户篇分析用户情感特征，提出3种基于用户表示的情感分类方法，提高分类准确性。应用篇针对垃圾邮件和谣言等风险信息，提出多种检测方法，为今后的社交媒体风险信息检测研究奠定基础，为同类研究提供参考。來源：香港大書城megBookStore,http://www.megbook.com.hk
本书的读者群体主要包括社交媒体分析、人工智能、网络安全、数据挖掘等相关领域的研究人员、工程师及高校师生。希望本书能够为读者提供新的研究思路和技术支持，推动社交媒体风险信息检测技术的发展，为构建健康、安全的网络生态贡献力量。
|
| 關於作者： |
|
王友卫，中央财经大学信息学院副教授，硕士生导师，CCF会员，中央财经大学“菁英学者”。多年来一直从事网络内容安全分析领域的研究工作，近年来，以第一作者身份在领域高质量期刊上发表论文14篇。这些研究成果中许多与社交媒体内容安全相关，为本著作撰写提供了坚实的理论基础和丰富的研究经验。作者主持并完成了国家自然科学基金项目1项、北京市自然科学基金项目1项、人文社科项目1项、中央财经大学青年发展基金项目1项，参与了国家重点研发计划项目及国家自然科学基金项目多项，积累了丰富的理论和实践经验。
|
| 目錄：
|
第 1章 概述1
1.1 研究背景1
1.1.1 社交媒体中风险信息的概念1
1.1.2 问题提出2
1.2 相关研究2
1.2.1 社交媒体用户表示3
1.2.2 风险信息检测4
1.3 主要内容6
1.3.1 数据篇6
1.3.2 用户篇7
1.3.3 应用篇8
参考文献9
数据篇
第 2章 数据准备15
2.1 数据采集方法15
2.2 相关数据集介绍17
2.2.1 自行爬取的数据集17
2.2.2 网络公开数据集17
2.3 小结19
参考文献19
用户篇
第3章 基于用户兴趣词典的情感分类方法23
3.1 引言23
3.2 方法描述25
3.2.1 基于用户兴趣词典的情感分类25
3.2.2 基于LSTM的情感分类27
3.2.3 基于用户兴趣词典和LSTM的情感分类28
3.3 实验结果与分析29
3.3.1 数据集及预处理29
3.3.2 算法性能评价标准30
3.3.3 实验对比算法30
3.3.4 阈值th取值选择31
3.3.5 不同算法精度对比32
3.3.6 不同算法效率对比33
3.4 小结34
参考文献35
第4章 基于用户历史特征的情感分类方法37
4.1 引言37
4.2 相关理论38
4.2.1 知识蒸馏38
4.2.2 情感知识增强预训练模型39
4.3 方法描述40
4.3.1 问题描述40
4.3.2 方法设计41
4.4 实验结果与分析48
4.4.1 数据集48
4.4.2 对比方法及参数设置48
4.4.3 数据增强验证和测试集选定49
4.4.4 带时间属性的用户特征有效性验证50
4.4.5 综合比较51
4.4.6 模型通用性验证52
4.5 小结53
参考文献54
第5章 基于用户性格特征的情感分类方法57
5.1 引言57
5.2 相关理论59
5.2.1 大五人格模型59
5.2.2 门控循环单元（GRU）60
5.3 方法描述61
5.3.1 问题定义61
5.3.2 方法描述61
5.4 实验结果与分析67
5.4.1 实验环境和数据集67
5.4.2 算法性能评价标准68
5.4.3 实验对比方法及参数设置68
5.4.4 大五人格模型有效性验证69
5.4.5 方法有效性验证70
5.4.6 注意力机制有效性验证72
5.4.7 综合对比73
5.5 小结77
参考文献77
应用篇
第6章 基于用户兴趣集的垃圾邮件快速在线识别方法83
6.1 引言83
6.2 方法描述84
6.2.1 样本预处理84
6.2.2 特征提取及样本训练85
6.2.3 样本分类85
6.2.4 主动学习86
6.2.5 更新用户兴趣集88
6.2.6 更新训练集88
6.3 实验结果与分析89
6.3.1 实验设置89
6.3.2 算法耗时分析89
6.3.3 实验结果91
6.4 小结95
参考文献96
第7章 基于图卷积网络的归纳式微博谣言检测方法98
7.1 引言98
7.2 方法描述99
7.2.1 问题定义99
7.2.2 方法设计100
7.3 实验结果与分析104
7.3.1 实验设置104
7.3.2 评价指标105
7.3.3 评论利用时间对谣言检测效率的影响105
7.3.4 微博事件建图方法对比107
7.3.5 不同池化方法对比110
7.3.6 与现有典型方法的比较111
7.4 小结113
参考文献114
第8章 基于事件 词语 特征异质图的微博谣言检测方法117
8.1 引言117
8.2 相关理论119
8.2.1 图神经网络119
8.2.2 中文语言查询和词数统计词典119
8.3 方法描述120
8.3.1 问题描述120
8.3.2 方法设计120
8.4 实验结果与分析126
8.4.1 实验设置126
8.4.2 隐藏层维度取值影响127
8.4.3 节点聚合方法比较128
8.4.4 消融实验130
8.4.5 与现有典型方法的比较132
8.4.6 微博评论数量影响分析133
8.5 小结134
参考文献135
第9章 基于时序 结构交互特征和用户信息的谣言检测方法138
9.1 引言138
9.2 方法描述139
9.2.1 问题定义140
9.2.2 全局用户特征提取141
9.2.3 基于BiGRU的时序空间特征提取144
9.2.4 基于GAT的结构交互特征提取146
9.2.5 谣言分类147
9.3 实验结果与分析148
9.3.1 数据集与实验设置148
9.3.2 评估指标与典型方法介绍148
9.3.3 与典型方法的对比实验149
9.3.4 消融实验151
9.3.5 谣言早期检测实验153
9.4 小结155
参考文献155
第 10章 总结与展望157
10.1 本书总结157
10.2 未来展望158
10.3 结束语158
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
