第1章 绪论 1
1.1消费品质量安全信息分析的重要性 1
1.1.1研究背景 1
1.1.2研究意义 4
1.2消费品质量安全信息分析的研究现状 5
1.2.1国外研究现状 5
1.2.2国内研究现状 9
1.3章节安排 10
参考文献 11
第2章Web挖掘理论 12
2.1概述 12
2.1.1数据挖掘 12
2.1.2 Web挖掘 14
2.2 Web挖掘的分类 15
2.2.1 Web内容挖掘 15
2.2.2 Web结构挖掘 17
2.2.3 Web使用挖掘 17
2.3 Web挖掘算法 19
2.4 Web信息抽取技术 21
2.4.1 MUC和ACE 21
2.4.2 TAC和KBP 22
2.4.3 Web信息抽取关键技术 24
2.5基于Web挖掘的网络舆情智能分析 26
2.5.1网络舆情信息分析处理 26
2.5.2基于社交网络的信息传播研究 26
2.6消费品质量安全信息分析和预警 27
参考文献 28
第3章 消费品质量安全信息采集与集成 35
3.1消费品质量安全信息采集及处理 35
3.1.1概述 35
3.1.2消费品质量安全信息采集 36
3.1.3消费品质量安全信息处理 39
3.2消费品质量安全信息要素提取 40
3.2.1消费品质量安全影响因素 40
3.2.2信息结构 42
3.3消费品质量安全信息集成 46
3.3.1集成模型 46
3.3.2基于本体的数据集成过程 48
参考文献 49
第4章 基于话题跟踪的消费品质量安全信息分析 50
4.1话题跟踪研究现状 50
4.1.1相关概念 50
4.1.2研究现状 51
4.2质量安全事件Web新闻话题跟踪模型构建 52
4.2.1 Web文档预处理 52
4.2.2特征选择和文本表示 52
4.2.3特征权重计算 53
4.2.4 Single-Pass增量聚类算法 54
4.3改进的相似度计算方法 55
4.3.1质量安全事件发生时间抽取 55
4.3.2考虑时间距离的相似度计算方法 57
4.4实验分析 57
4.4.1评价指标 57
4.4.2结果分析 58
参考文献 60
第5章 基于文本特征的消费品质量安全Web文本分类 63
5.1文本分类研究现状 63
5.2 Web文本分类关键技术研究 65
5.2.1文本预处理 65
5.2.2文本特征表示 66
5.2.3特征降维 67
5.3改进的基于VSM的特征项权重计算方法 69
5.3.1传统的特征项权重计算方法 69
5.3.2改进的特征项权重计算方法 69
5.4基于规则和KNN的三层架构的分类器构造 70
5.5实验分析 72
5.5.1评测指标 72
5.5.2实验数据及过程 72
5.5.3结果分析 74
参考文献 76
第6章 基于网络案例的消费品质量安全时间信息分析 78
6.1时间信息基本概念及研究现状 78
6.1.1时间信息基本概念 78
6.1.2时间信息抽取研究现状 78
6.1.3时间信息抽取的意义 79
6.2时间关系理论 79
6.3网络案例时间表达特征 80
6.3.1网络案例时间构成 80
6.3.2网络案例时间位置特征及常用词分析 82
6.4网络案例发生时间提取方法 82
6.4.1时间用词到时间戳的映射 82
6.4.2基于向下覆盖的发生时间提取方法 83
6.4.3实验分析 84
6.5案例时序分析 85
参考文献 87
第7章 基于规则推理的消费品质量安全地理信息分析 89
7.1地名实体抽取相关研究 89
7.1.1命名实体识别方法 89
7.1.2中文地名的特点 89
7.1.3消费品质量安全事件地名实体抽取的意义 90
7.2地名实体定义及表达特征分析 90
7.2.1地名实体的界定 90
7.2.2地点实体信息的表达特征 90
7.2.3现有分词系统处理地名实体的不足 92
7.3网络案例地名实体的识别方法 92
7.3.1基于规则推理的地名实体识别流程 92
7.3.2网络案例发生地点的分析和判断 94
7.3.3实验分析 95
7.4案例地点分析 96
参考文献 97
第8章 基于贝叶斯网络的消费品质量安全信息推理 98
8.1贝叶斯网络推理与故障树分析法研究现状 98
8.1.1贝叶斯网络推理研究现状 98
8.1.2故障树分析法研究现状 99
8.2案例知识发现的过程及特征分析 100
8.2.1消费品质量安全案例的特征分析 100
8.2.2案例知识发现的过程 101
8.3多实体贝叶斯网络建模 101
8.3.1故障树常规逻辑关系向多实体贝叶斯网络的转化 102
8.3.2开关事件向多实体贝叶斯网络的转化 102
8.3.3共因事件向多实体贝叶斯网络的转化 104
8.3.4人因事件向多实体贝叶斯网络的转化 105
8.4多实体贝叶斯网络参数学习算法 107
8.4.1现有的参数学习算法 107
8.4.2在线最大期望学习算法 107
8.4.3基于证据理论的多实体贝叶斯网络参数学习算法 108
8.5多实体贝叶斯网络系统安全评价 109
8.5.1后果概率 109
8.5.2重要度 110
8.6实验分析 110
参考文献 114
第9章 基于支持向量机的消费品质量安全预警模型 116
9.1支持向量机算法 116
9.1.1支持向量机算法概述 116
9.1.2支持向量机的数学模型 117
9.1.3支持向量机算法的应用 118
9.2特征加权支持向量机模型 120
9.2.1特征加权支持向量机的算法 120
9.2.2特征加权支持向量机的步骤 122
9.3消费品质量安全风险预警模型的构建 123
9.3.1玩具类消费品安全影响因素分析 123
9.3.2玩具类消费品安全风险预警指标选择 125
9.3.3玩具类消费品质量安全预警流程 128
9.3.4消费品质量安全风险预警模型的建立 130
9.3.5核函数选择 131
9.3.6模型的评价 132
9.4实验分析 132
9.4.1数据收集及预处理 132
9.4.2预警应用实验 136
9.4.3预警结果分析 139
参考文献 140
第10章 消费品质量安全信息监测及预警平台 143
10.1平台建设的目标与原则 143
10.1.1平台建设的目标 143
10.1.2平台建设的原则 143
10.2平台的基本结构 144
10.3信息采集 145
10.3.1论坛、博客、网页的采集 146
10.3.2搜索引擎采集 148
10.3.3案例信息采集 149
10.4决策支持系统 150
10.4.1信息查询模块 150
10.4.2统计分析模块 152
10.4.3数据挖掘模块 155
参考文献 156
结论 157