摘要 | 第5-7页 |
abstract | 第7-9页 |
第一章 绪论 | 第17-48页 |
1.1 研究工作的背景与意义 | 第17-19页 |
1.2 互联网端目标智能分析与画像方法研究概述 | 第19-31页 |
1.2.1 基本概念 | 第19-23页 |
1.2.2 基本内容 | 第23-26页 |
1.2.3 理论模型 | 第26-31页 |
1.3 互联网端目标智能分析与画像的国内外研究现状 | 第31-44页 |
1.3.1 端目标行为刻画研究现状 | 第31-38页 |
1.3.2 端目标智能分析研究现状 | 第38-42页 |
1.3.3 现有研究面临的主要挑战 | 第42-44页 |
1.4 本文的研究内容和贡献 | 第44-48页 |
1.4.1 本文的研究内容 | 第44-45页 |
1.4.2 本文的创新和贡献 | 第45-47页 |
1.4.3 本文的结构安排 | 第47-48页 |
第二章 互联网端目标流量行为刻画方法研究 | 第48-66页 |
2.1 端目标流量行为刻画研究背景 | 第48页 |
2.2 互联网端目标流量行为数据预处理研究 | 第48-60页 |
2.2.1 流量行为数据预处理研究概述 | 第49-51页 |
2.2.2 流量行为数据预处理研究可行性 | 第51-52页 |
2.2.3 高阶统计分析理论模型 | 第52-53页 |
2.2.4 WHOSA模型 | 第53-54页 |
2.2.5 实验环境与评估参数 | 第54-57页 |
2.2.6 实验结果与分析 | 第57-60页 |
2.3 互联网端目标流量行为特征 | 第60-61页 |
2.4 互联网端目标流量行为嵌入表征 | 第61-65页 |
2.5 本章小结 | 第65-66页 |
第三章 基于层次神经网络的端目标人口属性分类 | 第66-83页 |
3.1 端目标人口属性分类研究背景 | 第66-67页 |
3.2 基于层次神经网络的端目标人口属性分类理论方法 | 第67-75页 |
3.2.1 方法可行性分析 | 第67-68页 |
3.2.2 数据预处理与数据表征 | 第68-71页 |
3.2.3 ARGUS网络结构 | 第71-72页 |
3.2.4 ARGUS前向传递过程 | 第72-73页 |
3.2.5 ARGUS反向传播过程 | 第73-75页 |
3.3 基于层次神经网络的端目标人口属性分类实验分析 | 第75-81页 |
3.3.1 数据集与实验环境 | 第75-77页 |
3.3.2 实验结果与分析 | 第77-81页 |
3.4 本章小结 | 第81-83页 |
第四章 基于注意力图神经网络的端目标情感倾向分类研究 | 第83-101页 |
4.1 端目标情感倾向分类研究背景 | 第83-84页 |
4.2 基于注意力图神经网络的端目标情感倾向分类理论方法 | 第84-92页 |
4.2.1 基于注意力图神经网络的端目标情感倾向分类可行性分析 | 第84-85页 |
4.2.2 AGN-OSA神经网络框架 | 第85-91页 |
4.2.3 AGN-OSA反向传播过程 | 第91-92页 |
4.3 基于注意力图神经网络的端目标情感倾向分类实验分析 | 第92-100页 |
4.3.1 实验数据集 | 第92-94页 |
4.3.2 实验环境参数 | 第94-96页 |
4.3.3 实验结果与分析 | 第96-100页 |
4.4 本章小结 | 第100-101页 |
第五章 基于社团划分的端目标流量行为异常检测 | 第101-113页 |
5.1 端目标流量行为异常检测研究背景 | 第101页 |
5.2 基于社团划分的端目标流量行为异常检测理论方法 | 第101-106页 |
5.2.1 端目标流量行为异常检测问题模型 | 第102-103页 |
5.2.2 基于社团划分的端目标流量行为异常检测理论描述 | 第103-106页 |
5.3 基于社团划分的端目标流量行为异常检测实验分析 | 第106-112页 |
5.3.1 实验环境设置 | 第106-108页 |
5.3.2 实验结果及分析 | 第108-112页 |
5.4 本章小结 | 第112-113页 |
第六章 全文总结与展望 | 第113-116页 |
6.1 全文总结 | 第113-115页 |
6.2 后续工作展望 | 第115-116页 |
致谢 | 第116-117页 |
参考文献 | 第117-127页 |
攻读博士学位期间取得的成果 | 第127-128页 |