社交媒體內(nèi)容安全挖掘技術(shù)研究

定　價(jià)：￥68.00

作　者：	段大高，韓忠明
出版社：	北京郵電大學(xué)出版社
叢編項(xiàng)：	十三五科學(xué)技術(shù)專(zhuān)著叢書(shū)
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787563559473	出版時(shí)間：	2019-12-01	包裝：
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	220	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　隨著社交網(wǎng)絡(luò)規(guī)模的不斷增長(zhǎng)，社交媒體逐步成為人們社交生活不可或缺的一部分。社交媒體又稱為社會(huì)性媒體，是基于互聯(lián)網(wǎng)技術(shù)和工具，供大眾自發(fā)撰寫(xiě)、分享、評(píng)價(jià)、討論及相互溝通的虛擬社區(qū)或網(wǎng)絡(luò)平臺(tái)，現(xiàn)階段主要包括社交網(wǎng)站、微博、微信、博客、論壇、播客等。對(duì)社交網(wǎng)絡(luò)的深度挖掘成為研究社交媒體環(huán)境及用戶行為的重要手段，對(duì)社交媒體內(nèi)容安全挖掘成為維護(hù)社會(huì)和諧穩(wěn)定的重要一環(huán)。《社交媒體內(nèi)容安全挖掘技術(shù)研究/“十三五”科學(xué)技術(shù)專(zhuān)著叢書(shū)》著眼于社交媒體的內(nèi)容安全問(wèn)題，主要闡述了內(nèi)容安全數(shù)據(jù)挖掘技術(shù)，包括社交媒體網(wǎng)絡(luò)信息可信度模型、虛假消息識(shí)別、水軍識(shí)別、馬甲識(shí)別，以及社交網(wǎng)絡(luò)去匿名化、社團(tuán)發(fā)現(xiàn)等主要內(nèi)容。讀者在閱讀過(guò)程中，可結(jié)合自己的研究興趣，選取對(duì)應(yīng)的內(nèi)容閱讀?！渡缃幻襟w內(nèi)容安全挖掘技術(shù)研究/“十三五”科學(xué)技術(shù)專(zhuān)著叢書(shū)》可作為高等學(xué)校網(wǎng)絡(luò)空間信息安全、大數(shù)據(jù)等專(zhuān)業(yè)高年級(jí)學(xué)生和研究生教材，也可供對(duì)社交媒體內(nèi)容安全挖掘感興趣的研究者閱讀參考。

作者簡(jiǎn)介

　　段大高，男，博士，副教授，計(jì)算機(jī)科學(xué)與技術(shù)碩士生導(dǎo)師，北京市優(yōu)秀中青年骨干教師，北京市第六批青年知識(shí)分子，電子學(xué)會(huì)高級(jí)會(huì)員、計(jì)算機(jī)學(xué)會(huì)會(huì)員、ACM會(huì)員、IEEE-CS會(huì)員。主要研究領(lǐng)域?yàn)橹悄軝C(jī)器人與機(jī)器視覺(jué)、圖像處理與理解、網(wǎng)絡(luò)通信、嵌入式系統(tǒng)、互聯(lián)網(wǎng)大數(shù)據(jù)挖掘、人工智能與機(jī)器學(xué)習(xí)等。承擔(dān)和參與國(guó)家、部委、橫向科研課題40多項(xiàng)，發(fā)表論文50多篇，申請(qǐng)專(zhuān)利二十多項(xiàng)。2007年獲北京市科學(xué)技術(shù)獎(jiǎng)三等獎(jiǎng)，2008年獲中國(guó)電子學(xué)會(huì)電子信息科學(xué)技術(shù)獎(jiǎng)一等獎(jiǎng)，2009年獲中國(guó)通信學(xué)會(huì)科學(xué)技術(shù)獎(jiǎng)一等獎(jiǎng)，2010年獲國(guó)家科技進(jìn)步二等獎(jiǎng)。2007年獲北京市中青年骨干教師稱號(hào)。曾主持設(shè)計(jì)和執(zhí)行了中國(guó)科普搜索資訊網(wǎng)、國(guó)家旅游局全國(guó)旅游基礎(chǔ)數(shù)據(jù)庫(kù)等大型信息化項(xiàng)目。

圖書(shū)目錄

第1章緒論
1．1 社交媒體
1．1．1 社交媒體概念
1．1．2 主流社交媒體
1．1．3 社交媒體特性
1．2 社交媒體挖掘
1．2．1 社交媒體挖掘概述
1．2．2 社交媒體挖掘應(yīng)用
1．3 社交媒體內(nèi)容安全挖掘
1．3．1 社交媒體虛假消息挖掘
1．3．2 社交媒體水軍與馬甲識(shí)別
1．3．3 社交媒體去匿名化挖掘
1．3．4 社交媒體社團(tuán)挖掘
1．4 本書(shū)主要內(nèi)容
本章參考文獻(xiàn)
第2章社交媒體挖掘基本理論與方法
2．1 概述
2．2 社交網(wǎng)絡(luò)分析
2．3 支持向量機(jī)
2．4 貝葉斯學(xué)習(xí)
2．4．1 樸素貝葉斯
2．4．2 概率圖模型
2．5 決策樹(shù)學(xué)習(xí)
2．5．1 決策樹(shù)
2．5．2 隨機(jī)森林
2．5．3 梯度提升決策樹(shù)
2．6 神經(jīng)網(wǎng)絡(luò)
2．6．1 BP神經(jīng)網(wǎng)絡(luò)模型
2．6．2 卷積神經(jīng)網(wǎng)絡(luò)
本章參考文獻(xiàn)
第3章社交媒體虛假消息識(shí)別研究
3．1 概述
3．2 微博消息可信度評(píng)估因素
3．2．1 概述
3．2．2 評(píng)論特征
3．2．3 實(shí)驗(yàn)與分析
3．3 基于支持向量機(jī)的微博虛假消息檢測(cè)
3．3．1 基于支持向量機(jī)判別模型
3．3．2 實(shí)驗(yàn)與分析
3．4 基于用戶等級(jí)特征的虛假消息檢測(cè)
3．4．1 特征工程
3．4．2 實(shí)驗(yàn)與分析
3．5 基于BP神經(jīng)網(wǎng)絡(luò)的虛假消息檢測(cè)模型
3．5．1 模型構(gòu)建
3．5．2 實(shí)驗(yàn)與分析
3．6 基于注意力機(jī)制的虛假消息早期檢測(cè)模型
3．6．1 基于LSTM／GRU的文本特征表示
3．6．2 基于注意力模型的虛假消息早期檢測(cè)
3．6．3 實(shí)驗(yàn)與分析
3．7 小結(jié)
本章參考文獻(xiàn)
第4章社交媒體虛假圖像檢測(cè)研究
4．1 虛假圖像檢測(cè)概述
4．1．1 背景介紹
4．1．2 虛假圖像檢測(cè)方法
4．1．3 圖像統(tǒng)計(jì)特性檢測(cè)
4．2 虛假圖像特征提取研究
4．2．1 離散小波變換
4．2．2 奇異值分解算法
4．3 虛假圖像被動(dòng)認(rèn)證檢測(cè)方法研究
4．3．1 復(fù)制添加型虛假圖像
4．3．2 基于離散小波變換和SVD的檢測(cè)算法
4．3．3 實(shí)驗(yàn)與分析
4．4 小結(jié)
本章參考文獻(xiàn)
第5章水軍識(shí)別與馬甲識(shí)別模型研究
5．1 概述
5．2 基于概率圖模型的水軍識(shí)別模型
5．2．1 概述
5．2．2 特征分析
5．2．3 WGM模型構(gòu)建
5．2．4 實(shí)驗(yàn)與分析
5．3 基于譜分析的水軍團(tuán)體識(shí)別模型
5．3．1 概述
5．3．2 用戶關(guān)系圖模型譜分析
5．3．3 基于用戶關(guān)系圖譜特征定位電商水軍團(tuán)體
5．3．4 實(shí)驗(yàn)與評(píng)價(jià)
5．4 基于頻繁子樹(shù)的馬甲識(shí)別模型
5．4．1 概述
5．4．2 基于頻繁子樹(shù)的馬甲識(shí)別模型
5．4．3 基于頻繁子樹(shù)的馬甲識(shí)別實(shí)例分析
5．4．4 實(shí)驗(yàn)與分析
5．5 基于混合特征的馬甲識(shí)別模型
5．5．1 模型構(gòu)建
5．5．2 基于混合特征的馬甲識(shí)別實(shí)例分析
5．5．3 實(shí)驗(yàn)與分析
5．6 小結(jié)
本章參考文獻(xiàn)
第6章社交網(wǎng)絡(luò)去匿名化方法研究
6．1 去匿名化概述
6．1．1 基于用戶屬性的去匿名化方法
6．1．2 基于用戶關(guān)系的去匿名化方法
6．2 基于排序?qū)W習(xí)的去匿名化方法
6．2．1 網(wǎng)絡(luò)結(jié)構(gòu)特征
6．2．2 基于排序?qū)W習(xí)的去匿名化攻擊方法
6．2．3 實(shí)驗(yàn)與分析
6．3 基于表示學(xué)習(xí)的去匿名化方法
6．3．1 表示學(xué)習(xí)模型架構(gòu)
6．3．2 隨機(jī)游走網(wǎng)絡(luò)表示學(xué)習(xí)算法
6．3．3 約束隨機(jī)游走算法
6．3．4 模型推導(dǎo)與參數(shù)訓(xùn)練
6．3．5 實(shí)驗(yàn)與分析
6．4 小結(jié)
本章參考文獻(xiàn)
第7章社交媒體社團(tuán)發(fā)現(xiàn)模型研究
7．1 社團(tuán)劃分概述
7．1．1 社團(tuán)結(jié)構(gòu)與社團(tuán)劃分
7．1．2 基于全局結(jié)構(gòu)的社團(tuán)劃分方法
7．1．3 基于局部結(jié)構(gòu)的社團(tuán)劃分方法
7．1．4 經(jīng)典算法時(shí)間復(fù)雜度比較
7．1．5 算法局限性分析
7．2 常用數(shù)據(jù)集與評(píng)價(jià)指標(biāo)
7．2．1 常用數(shù)據(jù)集
7．2．2 評(píng)價(jià)指標(biāo)
7．3 基于節(jié)點(diǎn)向量表達(dá)的社團(tuán)發(fā)現(xiàn)模型
7．3．1 概述
7．3．2 基于節(jié)點(diǎn)向量表達(dá)的社團(tuán)劃分算法
7．3．3 啟發(fā)式隨機(jī)游走
7．3．4 分布式節(jié)點(diǎn)表示向量生成
7．3．5 聚類(lèi)算法
7．3．6 CDNEV算法
7．3．7 實(shí)驗(yàn)與分析
7．4 基于NCSS的社團(tuán)發(fā)現(xiàn)混合模型
7．4．1 概述
7．4．2 NCSS算法
7．4．3 實(shí)驗(yàn)與分析
7．5 小結(jié)
本章參考文獻(xiàn)
第8章研究總結(jié)
……