在线社交网络搜索与挖掘

在线社交网络积累了大量用户产生的文本、图像和视 频等跨媒体数据，而且数据呈现出显著的时空演化特性， 这使得传统的搜索与挖掘技术已经难以适应用户在海量在 线社交网络数据中精准搜索与挖掘信息的需求。本书聚焦 在线社交网络搜索与挖掘关键理论与技术，从在线社交网 络的跨媒体数据的获取与表达、语义学习与分析、智能精 准搜索与挖掘三方面展开，系统深入地研究在线社交网络 搜索与挖掘关键理论与技术，主要内容包括在线社交网络 跨媒体时空信息的获取与表达、跨媒体大数据的语义学习 与主题表达、在线社交网络突发话题发现、用户搜索意图 理解与挖掘，以及支持时空特性与用户搜索意图理解的在 线社交网络跨媒体搜索系统实现等。 本书适用于计算机、人工智能、大数据相关专业研究 生和高年级本科生的专业学习，也可供有关科研人员参考 。

第1章 在线社交网络跨媒体时空信息的获取与表达 1.1 引言 1.2 在线社交网络跨媒体时空信息的获取与预处理 1.3 基于时空主题模型的在线社交网络文本信息表达算法（OSNTR）的提出 1.3.1 OSNTR算法的研究动机 1.3.2 在线社交网络时空主题模型（STTM）的建立 1.3.3 时空区域、时间以及单词的主题分布 1.3.4 在线社交网络消息的文本主题语义表达 1.3.5 在线社交网络消息的时间主题语义表达 1.3.6 OSNTR算法的实现步骤 1.3.7 OSNTR算法实验结果与分析 1.3.8 OSNTR算法的复杂度分析 1.4 基于目标注意力机制的在线社交网络图像信息表达算法（IROA）的提出 1.4.1 IROA算法的研究动机 1.4.2 IROA算法描述 1.4.3 IROA算法的实现步骤 1.4.4 IROA算法实验结果与分析 第2章 跨媒体社交网络内容获取与处理 2.1 引言 2.2 跨媒体社交网络内容数据获取与预处理 2.3 跨媒体社交网络内容关联分析算法的提出 2.3.1 跨媒体社交网络内容关联分析算法研究动机 2.3.2 跨媒体社交网络内容关联分析算法的形式化定义 2.4 社交网络深度学习搜索特征抽取与匹配算法的提出 2.4.1 社交网络深度学习搜索特征抽取与匹配算法研究动机 2.4.2 社交网络深度学习搜索特征抽取与匹配算法的形式化定义 2.5 实验结果与分析 2.5.1 跨媒体社交网络内容关联分析算法实验与分析 2.5.2 社交网络深度学习搜索特征抽取与匹配算法实验与分析 第3章 在线社交网络跨媒体信息主题表达 3.1 引言 3.2 SCTE算法的提出 3.2.1 SCTE算法的研究动机 3.2.2 动态自聚合主题模型（SADTM）的建立 3.2.3 在线社交网络文本主题表达 3.2.4 SCTE算法的实现步骤 3.2.5 SCTE算法的实验结果与分析 3.3 基于互补注意力机制的在线社交网络图像主题表达算法（CAIE）的提出 3.3.1 CAIE算法的研究动机 3.3.2 CAIE算法描述 3.3.3 CAIE算法的实现步骤 3.3.4 CAIE算法的实验结果与分析 第4章 基于时空特性的在线社交网络跨媒体语义学习 4.1 引言 4.2 基于时空特性的在线社交网络跨媒体语义学习算法（SCSL）的提出 4.2.1 SCSL算法的研究动机 4.2.2 SCSL算法描述 4.2.3 在线社交网络多特征概率图模型（MFPGM)的建立 4.2.4 在线社交网络跨媒体关联映射模型的建立 4.2.5 SCSL算法的实现步骤…