第1章 绪论 1
1.1 研究背景 1
1.2 研究现状 2
1.2.1 话题识别与追踪研究现状 2
1.2.2 话题识别与追踪模型研究现状 8
1.2.3 信念网络及应用研究现状 12
1.3 研究内容与研究目标 13
1.4 本书主要创新点 14
1.5 组织结构 14
第2章 研究基础 17
2.1 测试集合及评测标准 17
2.1.1 测试集合 17
2.1.2 评测标准 23
2.2 话题识别与追踪相关研究 26
2.2.1 发展历程 27
2.2.2 相关概念 27
2.2.3 研究任务 28
2.2.4 实现方法 30
2.2.5 经典话题模型及扩展研究 33
2.3 贝叶斯网络理论 50
2.3.1 贝叶斯网络的概率基础 51
2.3.2 贝叶斯网络的结构 52
2.3.3 贝叶斯网络的推理 54
2.3.4 基于贝叶斯网络的信息检索模型 55
2.4 本章小结 59
第3章 话题特征选择 61
3.1 引言 61
3.2 特征选择理论 62
3.2.1 基于搜索策略的特征选择方法 63
3.2.2 基于评价准则的特征选择方法 66
3.3 基于ITF-IDF的话题特征选择 72
3.4 坐标下降法 73
3.5 基于聚类的互信息 74
3.6 基于DCMI的话题特征选择 75
3.6.1 动态互信息 76
3.6.2 特征子集规模的确定 77
3.7 实验与分析 78
3.7.1 目标函数求解 78
3.7.2 DCMI和BMI性能比较 79
3.7.3 DCMI和ITF-IDF的追踪性能 80
3.7.4 实验分析 81
3.8 本章小结 83
第4章 基于信念网络的静态话题模型 85
4.1 引言 85
4.2 静态话题模型理论 86
4.3 基于信念网络的静态话题模型Ⅰ 87
4.4 基于信念网络的静态话题模型Ⅱ 88
4.4.1 建模基础 88
4.4.2 模型拓扑结构及概率推导 89
4.5 实验与分析 90
4.5.1 实验过程 90
4.5.2 实验结果及分析 91
4.6 本章小结 93
第5章 基于信念网络的动态话题模型 95
5.1 引言 95
5.2 动态话题模型理论 95
5.2.1 自适应学习理论 96
5.2.2 增量式学习算法 96
5.2.3 结构化话题模型的动态变形 98
5.3 基于信念网络的动态话题模型Ⅰ 99
5.4 基于信念网络的动态话题模型Ⅱ 100
5.5 实验与分析 101
5.5.1 实验过程 101
5.5.2 实验结果 101
5.5.3 实验分析 103
5.6 本章小结 104
第6章 误报检测用于优化基于信念网络的动态话题模型Ⅱ 107
6.1 引言 107
6.2 主流静态分析技术 108
6.3 动态话题追踪误报成因分析 109
6.4 误报检测 110
6.5 实验与分析 112
6.5.1 实验步骤 112
6.5.2 实验结果及分析 113
6.6 本章小结 115
第7章 动态话题追踪中的时序权重 117
7.1 研究基础 117
7.2 时序权重及动态更新 118
7.3 实验及分析 119
7.3.1 时间距离阈值α 119
7.3.2 权重阈值β 120
7.3.3 时序权重有效性验证 121
7.4 本章小结 122
第8章 基于话题的事件相似度计算 123
8.1 基础知识 123
8.1.1 相关概念 123
8.1.2 模板设计 124
8.2 事件相似度计算 125
8.3 同一话题下的事件相似度计算方法 128
8.4 实验内容及分析 129
8.5 本章小结 131
第9章 总结与展望 133
9.1 本书的主要工作 133
9.2 对今后工作的展望 134
参考文献 137