论文目录 | |
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 跨媒体大数据内容的群智感知 | 第13-14页 |
| 1.2.2 跨媒体大数据语义分析 | 第14页 |
| 1.2.3 跨媒体大数据的搜索 | 第14-16页 |
| 1.3 研究内容 | 第16-18页 |
| 1.3.1 在线社交网络跨媒体大数据内容的群智感知 | 第16-17页 |
| 1.3.2 基于对抗生成网络的跨媒体大数据语义分析 | 第17页 |
| 1.3.3 用户画像的建立与跨媒体大数据的搜索 | 第17页 |
| 1.3.4 基于用户画像的社交网络跨媒体大数据个性化搜索系统 | 第17-18页 |
| 1.4 论文总体结构 | 第18-20页 |
| 第二章 相关技术 | 第20-30页 |
| 2.1 数据抓取 | 第20-21页 |
| 2.1.1 Scrapy框架 | 第20页 |
| 2.1.2 布隆过滤器 | 第20-21页 |
| 2.2 特征提取 | 第21-24页 |
| 2.2.1 Word2Vec模型 | 第21-23页 |
| 2.2.2 LDA模型 | 第23-24页 |
| 2.2.3 VGG19网络 | 第24页 |
| 2.3 跨媒体个性化搜索算法 | 第24-28页 |
| 2.3.1 对抗生成网络 | 第25-26页 |
| 2.3.2 PageRank算法 | 第26-27页 |
| 2.3.3 Stacking方法 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 在线社交网络跨媒体大数据内容的群智感知 | 第30-40页 |
| 3.1 社交网络跨媒体数据的获取 | 第30-32页 |
| 3.1.1 基于Scrapy的数据采集系统 | 第30-31页 |
| 3.1.2 社交网络跨媒体大数据的感知辨识 | 第31-32页 |
| 3.2 社交网络跨媒体数据的预处理 | 第32-34页 |
| 3.2.1 文本数据的预处理 | 第33页 |
| 3.2.2 图像数据的预处理 | 第33-34页 |
| 3.2.3 用户社交数据的预处理 | 第34页 |
| 3.3 社交网络跨媒体数据的存储 | 第34-35页 |
| 3.3.1 跨媒体数据存储 | 第34-35页 |
| 3.3.2 用户关注关系存储 | 第35页 |
| 3.3.3 用户基本属性存储 | 第35页 |
| 3.4 实验结果及分析 | 第35-37页 |
| 3.4.1 社交网络跨媒体数据抓取 | 第35-36页 |
| 3.4.2 社交网络跨媒体数据的预处理 | 第36-37页 |
| 3.4.3 社交网络跨媒体数据的存储 | 第37页 |
| 3.5 本章小结 | 第37-40页 |
| 第四章 基于对抗生成网络的跨媒体大数据语义分析 | 第40-54页 |
| 4.1 基于对抗学习和语义相似度的社交网络跨媒体搜索方法（SSACR）的提出 | 第40-42页 |
| 4.1.1 SSACR方法的描述 | 第40-41页 |
| 4.1.2 SSACR方法的组成 | 第41-42页 |
| 4.2 SSACR方法的对抗学习及搜索过程 | 第42-45页 |
| 4.2.1 特征映射网络 | 第42-43页 |
| 4.2.2 模态判别网络 | 第43页 |
| 4.2.3 对抗学习设计 | 第43-45页 |
| 4.2.4 跨媒体搜索过程 | 第45页 |
| 4.3 实验结果及分析 | 第45-52页 |
| 4.3.1 实验设置 | 第45-46页 |
| 4.3.2 不同方法实验对比 | 第46-48页 |
| 4.3.3 SSACR方法的超参数对搜索性能的影响 | 第48-50页 |
| 4.3.4 损失函数对SSACR方法搜索性能的影响 | 第50-51页 |
| 4.3.5 采用SSACR方法实现搜索 | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 用户画像的建立与跨媒体大数据的搜索 | 第54-64页 |
| 5.1 基于用户关系的多维度用户画像构建方法（RMDUP）的建立 | 第54-57页 |
| 5.1.1 用户基本属性的预测 | 第54-55页 |
| 5.1.2 用户基本属性的修正 | 第55-57页 |
| 5.2 基于用户画像的跨媒体大数据搜索方法（UPCMR）的提出 | 第57-59页 |
| 5.2.1 个性化搜索整体方法 | 第57-58页 |
| 5.2.2 个性化搜索实现算法 | 第58-59页 |
| 5.3 实验结果及分析 | 第59-62页 |
| 5.3.1 基于用户关系的多维度用户画像构建方法（RMDUP）实验 | 第59-61页 |
| 5.3.2 基于用户画像的跨媒体大数据搜索方法（UPCMR）实验 | 第61-62页 |
| 5.4 本章小结 | 第62-64页 |
| 第六章 基于用户画像的社交网络跨媒体大数据个性化搜索系统实现 | 第64-74页 |
| 6.1 系统描述 | 第64-67页 |
| 6.1.1 系统功能与目标 | 第64-65页 |
| 6.1.2 系统总体设计 | 第65-67页 |
| 6.1.3 系统开发环境 | 第67页 |
| 6.2 系统实现 | 第67-70页 |
| 6.2.1 用户画像查询的实现 | 第68页 |
| 6.2.2 文本搜索图像的实现 | 第68-69页 |
| 6.2.3 图像搜索文本的实现 | 第69-70页 |
| 6.3 系统分析 | 第70-72页 |
| 6.3.1 系统测试环境 | 第70-71页 |
| 6.3.2 测试用例及结果 | 第71-72页 |
| 6.4 本章小结 | 第72-74页 |
| 第七章 总结与展望 | 第74-76页 |
| 7.1 总结 | 第74-75页 |
| 7.2 展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-83页 |
| 攻读学位期间研究成果 | 第83页 |
