掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
網絡內容安全基礎 版權信息
- ISBN:9787512444928
- 條形碼:9787512444928 ; 978-7-5124-4492-8
- 裝幀:一般膠版紙
- 冊數:暫無
- 重量:暫無
- 所屬分類:>
網絡內容安全基礎 內容簡介
網絡內容安全是一個新興的研究領域,也是網絡空間安全的一個重要研究方向,融合了機器學習、自然語言處理、數據挖掘、計算機視覺等多個學科的知識,具有廣闊的研究前景和應用價值。本書是網絡空間安全的專業教材,重點介紹了網絡內容安全的基本原理和相關專業基礎知識。全書共12章,內容包括網絡內容安全的基本概念及發展歷史、網絡內容數據獲取與預處理、文本數據分類與聚類、網絡輿情分析、話題檢測與跟蹤、社交網絡分析與社區檢測、情感分析、圖像與視頻內容分析與檢測等。 本書適用于信息安全、網絡空間安全、計算機等相關專業高年級本科生和研究生的專業學習,也可供有關科研人員參考使用。
網絡內容安全基礎 目錄
第1章 網絡內容安全概述
1.1 網絡內容安全的背景
1.1.1 互聯網的發展
1.1.2 相關法律法規
1.1.3 網絡內容數據類型
1.1.4 網絡內容安全面臨的挑戰
1.2 網絡內容安全的定義
1.3 網絡內容安全的研究
1.3.1 網絡內容安全知識體系
1.3.2 網絡內容安全研究方法
1.4 網絡內容安全的發展
1.4.1 網絡內容安全現狀
1.4.2 網絡內容安全的發展趨勢
1.5 本章小結
參考文獻
第2章 網絡信息內容數據獲取
2.1 網絡數據
2.1.1 網絡媒體數據
2.1.2 網絡通信數據
2.2 網絡媒體數據的爬取
2.2.1 通用網絡爬蟲算法
2.2.2 網頁數據處理
2.2.3 網頁解析
2.2.4 鏈接提取與規范化
2.2.5 爬蟲陷阱
2.2.6 網頁排序
2.2.7 聚焦網絡爬蟲
2.3 網絡爬蟲的評價
2.4 網絡垃圾信息
2.5 網絡媒體數據獲取的難點
2.6 本章小結
參考文獻
第3章 文本預處理
3.1 文本的特征抽取
3.1.1 詞條化
3.1.2 詞形規范化
3.1.3 中文分詞
3.1.4 中文分詞工具
3.2 文檔模型
3.2.1 布爾模
3.2.2 n元語法模型
3.2.3 向*空間模型
3.3 文檔相似度
3.4 本章小結
參考文獻
第4章 文本分類
4.1 概述
4.2 文本表示模型
4.3 特征選擇
4.3.1 互信息法
4.3.2 信息增益法
4.3.3 卡方統計法
4.4 基于統計學習的文本分類算法
4.4.1 樸素貝葉斯分類模型
4.4.2 支持向量機
4.5 性能評價指標
4.6 本章小結
參考文獻
第5章 文本聚類
5.1 概述
5.2 文本相似度計算
5.2.1 樣本間的相似性
5.2.2 簇間的相似性
5.2.3 樣本與簇間的相似性
5.3 文本聚類算法
5.3.1 K均值聚類
5.3.2 單遍聚類
5.3.3 譜聚類算法
5.3.4 層次聚類
5.3.5 密度聚類
5.4 聚類評估
5.4.1 基于外部標準的評估
5.4.2 基于內部標準的評估
5.5 本章小結
參考文獻
第6章 網絡輿情分析
6.1 網絡輿情基本概念
6.2 網絡輿情的形成
6.3 網絡輿情的特點
6.4 網絡輿情的發展
6.5 網絡輿情分析的主要技術
6.5.1 網絡輿情數據采集
6.5.2 輿情事件檢測
6.5.3 網絡輿情評估
6.6 網絡謠言
6.6.1 網絡謠言的類型及成因
6.6.2 網絡謠言的特征
6.6.3 網絡謠言的檢測
6.7 網絡水軍
6.7.1 網絡水軍的危害
6.7.2 網絡水軍的分類
6.7.3 網絡水軍的特征
6.7.4 網絡水軍的檢測
6.8 本章小結
參考文獻
第7章 話題檢測與跟蹤
7.1 話題檢測與跟蹤概述
7.2 術語
7.3 任務
7.3.1 報道切分
7.3.2 話題檢測
7.3.3 首次報道檢測
7.3.4 話題跟蹤
7.3.5 關聯檢測
7.4 語料
7.5 評測
7.6 話題表示與關聯檢測
7.7 話題檢測
7.7.1 在線話題檢測
7.7.2 話題回溯檢測
7.8 話題跟蹤
7.9 突發話題檢測
7.9.1 突發狀態識別
7.9.2 突發話題生成
7.10 本章小結
參考文獻
第8章 社交網絡分析
8.1 社交網絡分析基礎
8.1.1 基本概念
8.1.2 社交網絡分析的發展
8.1.3 社交化媒體的發展
8.1.4 社交網絡分析的應用
8.1.5 社交網絡分析相關理論
8.1.6 數據挖掘中的社交網絡分析
8.2 節點排序
8.2.1 網絡中的重要節點
8.2.2 基于節點近鄰的排序方法
8.2.3 基于路徑的排序方法
8.2.4 基于特征向量的排序方法
8.3 鏈路預測
8.3.1 基于節點屬性的相似性
8.3.2 基于局部信息的相似性
8.3.3 基于路徑的相似性
8.4 擴散模型
8.4.1 節點影響力
8.4.2 擴散曲線
8.4.3 影響力傳播模型
8.4.4 影響力*大化
8.5 感染模型
8.5.1 通用方案
8.5.2 SIR模
8.5.3 SIS模型
8.5.4 流行病閾值
8.6 木本章小結
參考文獻
第9章 杜區檢測
9.1 基木概念
9.2 以節點為中心的社區發現
9.2.1 完全連通
9.2.2 可達性
9.3 以群組為中心的社區發現
9.4 以網絡為中心的社區發現
9.4.1 頂點相似性
9.4.2 隱含空間模型
9.4.3 塊模型近似
9.4.4 諧聚類
9.4.5 模塊度*大化
9.4.6 社區檢測的統一過程
9.5 以層次為中心的社區檢測
9.5.1 分裂式層次聚類法
9.5.2 聚合式層次聚類法
9.6 多維網絡
9.6.1 網絡集成
9.6.2 效用集成
9.6.3 特征集成
9.6.4 劃分集成
9.7 社區評價
9.8 本章小結
參考文獻
第10章 情感分析
10.1 情感分析任務分類
10.1.1 基于任務目標的分類
10.1.2 基于分析粒度的分類
10.2 文檔級情感分析
10.2.1 基于規則的無監督情感分類
10.2.2 基于監督學習的情感分類
10.2.3 深度神經網絡方法
10.3 詞語級情感分析
10.3.1 基于知識庫的方法
10.3.2 基于語料庫的方法
10.4 屬性級情感分析
10.4.1 屬性抽取
10.4.2 屬性情感分類
10.5 虛假觀點檢洲
10.5.1 基于監督學習的康假評論檢測
10.5.2 基于非典型行為的虛假評論檢測
10.6 本章小結
參考文獻
第11章 圖像內容識別
11.1 圖像識別概述
11.2 基于手工特征的圖像識別
11.2.1 圖像手工特征提取
11.2.2 特征編碼與特征聚合
11.2.3 分類器
11.3 基于深度學習的圖像識別
11.3.1 卷積神經網絡的基本概念
11.3.2 經典卷積神經網絡
11.4 本章小結
參考文獻
第12章 視頻內容識別
12.1 視頻內容識別概述
12.2 基于手工特征提取的視頻識別
12.2.1 三維手工時空特征
12.2.2 時間域運動特征
12.2.3 DT與IDT稠密軌跡特征
12.3 基于深度學習的視頻識別
12.3.1 3D-CNN三維卷積神經網絡
12.3.2 雙流法
12.4 本章小結
參考文獻
展開全部
書友推薦
- >
山海經
- >
伊索寓言-世界文學名著典藏-全譯本
- >
羅曼·羅蘭讀書隨筆-精裝
- >
我與地壇
- >
羅庸西南聯大授課錄
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
回憶愛瑪儂
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷