一、模糊集技术在网络信息过滤系统中的应用研究（论文文献综述）
郭秀艳[1]（2021）在《基于模糊机制的语义实体推荐方法研究》文中进行了进一步梳理决策目标通常伴随着多种属性和特征,在描述这些属性和特征时,由于人们的知识结构和水平层次不同,每个属性的好坏有时很难被准确地衡量,而模糊本体描述恰好可以解决这个困境。在为用户做推荐的过程中,推荐系统会面临两个问题:一是推荐内容中会存在诸多不确定信息且有的推荐内容会同时包含精确性和模糊性,传统的模糊集理论并不能很好地描述推荐内容知识中的语义信息;二是现有推荐算法难以处理单一实体下的多重得分关联问题。针对上面的问题,本文分别提出了可应用于对准则决策的犹豫模糊算子和新的模糊算子距离度量的方法,并在此基础上提出了一种基于模糊机制的语义实体推荐模型,并将其应用在民宿酒店推荐领域中。本文的研究内容具体如下:（1）提出了一种基于PHFAMM算子的多准则决策方法。结合MM算子和PHFN的Archimedean t-conorm（S-范数）和t-norm（T-范数）提出毕达哥拉斯犹豫模糊阿基米德MM（PHFAMM）算子及其加权形式,并提出一种基于PHFAMM的MCDM新方法。首先,给出所提出算子的广义表达式,探索并证明了算子的性质;然后构造了4种具体表达式。在这些具体表达式的基础上,开发了一种解决基于PHFN的多准则决策问题的新方法;最后,通过一组实验示例以及定性和定量的比较来验证所提出的多准则决策方法。（2）设计了一种基于PHFS的新型距离度量算法。在这一部分中,将PFS的五个参数（隶属度、非隶属度、不确定性、关于隶属度的承诺强度和承诺方向）完全扩展到毕达哥拉斯犹豫模糊集（PHFS）中,产生新的PHFS距离度量,并将所提出的方法应用于MCDM问题。首先,描述新的PHFS距离度量,介绍相关性质和定理;然后,通过考虑正理想解与每个替代方案之间的距离,提出基于新型PHFS距离度量的MCD-M方案;最后,引入实用实验和与现有方法的对比实验来验证所提方法的有效性和优异性。（3）设计了一种基于模糊本体的个性化旅游民宿推荐算法。在这一部分中,将模糊逻辑引入民宿酒店实体,提出一种新的民宿酒店推荐方案。推荐方案的主要流程是:利用用户对酒店的评价获得用户的旅行偏好后,根据偏好从图形数据库Neo-4j中查询得到相应的实体属性信息后将模糊逻辑引入实体,处理实体中存在的模糊信息,构建实体属性的隶属度和模糊决策矩阵,计算实体的综合评分和实体相似度,采用调和因子计算酒店最终得分,最后基于实体的最终得分为用户提供推荐列表。
王艳[2]（2020）在《云环境下基于不确定性理论的信任评估优化及预测研究》文中进行了进一步梳理近年来,云计算已经成为通过互联网技术按需提供平台、软件和基础设施服务的最有前景的计算模式之一。鉴于其具有虚拟化、可扩展性、低成本、即用即付、不受时间和空间限制等特点,多样化的云服务吸引越来越多的中小企业和个人建立业务系统或个人应用。用户需要访问云中存储的虚拟服务资源,传统的基于“硬安全”的信息安全技术难以覆盖其安全边界,因此,信任作为一种“软安全”技术被引入到云服务的安全防范策略中,以补充和改善云环境的安全管理问题。由于个人需求的差异性及云环境的动态性,基于信任的云服务的评估、选择及推荐仍然是一个难题,比如信誉系统的“冷启动”问题,云服务性能表现的上下文依赖性,信任评估的信息来源单一,信任度量的不确定性,节点恶意评估信息的抑制,相似推荐者的识别等问题的研究仍然存在欠缺。由于信任的模糊性、不确定性及云环境的动态分布性,本文采用不确定性理论来研究云服务的信任评估优化及预测问题。主要的研究工作如下:（1）为了更好地阐述信任的上下文依赖性及主观性,信任被分解为多个用户自定义的不同重要程度的可信属性,同时,由于云服务性能表现的不稳定性以及信任的模糊性、不确定性问题,采用概率语言术语集（probability linguistic term set,PLTS）作为云环境中信任描述的方式,并将推荐者评估意见的动态可靠性及相似性作为推荐者权重信息,建立灵活可扩展的结构化的云服务信任评估决策框架。（2）为了解决云服务的动态性及恶意推荐信息的抑制问题,从客观及主观角度两方面建立可扩展的信任评估模型,采用云模型理论分别从属性的平均值、变化范围及变化频率三个方面度量属性的整体性能。基于客观属性评估云的相似性来识别推荐者,并将推荐者的客观评估信息作为基准过滤恶意的或者偏差的主观评估信息,同时,建立各属性的信任等级云（基云）,用于衡量各属性评估云的信任水平,采用数据融合规则聚合推荐者的信任评估信息,得到目标云服务的最终的综合信任评估水平。（3）由于服务的过载特性,大量具有相似功能的云服务的出现,用户不可能调用所有的云服务。因此,准确的对未知的服务性能（quality of service,Qo S）预测是云服务信任评估的一个核心问题。本文提出云服务的Qo S预测模型,该模型充分利用用户对特定服务的多值时序Qo S数据,综合考虑时序数据相似性及变化趋势一致性,识别出与当前用户具有相似情境的用户集合,进而采用帕累托优势理论,过滤较弱的用户,保留占优推荐用户,实现对缺失Qo S的准确预测,为云服务的信任评估与选择提供全面准确的数据支持。（4）为了解决新注册服务实体的声誉预测难题。提出了新注册服务实体的声誉启动机制,采用基于模糊理论的决策试验和评价实验室（Decision-making Trial and Evaluation laboratory,DEMATEL）方法识别对服务实体声誉有影响的关键决定因素（critical success factors,CSFs）,并采用神经网络方法建立实体的CSFs与声誉值之间的映射关系,从而实现新注册实体的声誉值的预测。
张伟娜[3]（2020）在《基于深度学习与矩阵分解的推荐算法研究》文中指出网络技术的发展推动了各行业信息化平台的产生,同时大数据和云计算技术的普遍应用使得互联网平台用户及项目数据量急剧增长。推荐系统作为缓解“信息过载”问题的重要工具,帮助用户从海量信息中获取感兴趣的内容,成为互联网应用不可或缺的重要角色。矩阵分解是基于协同过滤推荐的重要方法,其良好的可扩展性及高效性受到业界研究人员的青睐。近年来,深度学习在许多研究领域取得了巨大成功,它在特征表示方面的出色表现对信息检索和推荐系统也产生了重要影响。然而,随着网络用户和项目规模的增加,推荐系统中数据的稀疏性、复杂性以及不确定性等问题对推荐结果的准确性产生了严重影响。本文充分利用深度学习与矩阵分解技术的优势,针对推荐系统所面临的问题,提出了三个解决方案。具体地,本文的主要研究内容和创新成果包括:1)针对数据稀疏性对推荐准确率的影响,本文将深度学习技术与矩阵分解的方法相结合,提出了深度变分矩阵分解推荐算法。该算法设计并训练具有深层变分结构的特征提取网络（semi-VAE）来分别捕获用户和项目隐藏的深层表示;进而,使用具有用户和项目评分偏差的矩阵分解方法来预测评分;最后,提出了优化矩阵分解和变分自编码器联合模型的方法。该算法既充分利用了深度模型在潜在特征提取上的优势,又保留了矩阵分解的可扩展性,实现了深度学习与矩阵分解的紧耦合。2)针对复杂数据中特征融合问题,本文设计了交叉权重网络,并将其应用于因子分解机,提出高阶交叉因子分解机算法。该算法设计了一个深度交叉权重网络用于显式地学习特征的高阶交互。其中,交叉层和压缩层用于学习高阶特征组合权重,权重池化层用以学习不同阶次的特征交互权重,以平衡高阶和低阶交互对算法预测结果的影响。该算法不仅考虑了不同特征组合的权重,还考虑了不同阶次交互的重要性差别,以更好地捕获现实数据固有的相关性;同时,显式的深度交叉操作避免了深度神经网络在学习高阶特征时的不可解释性,且其压缩操作提升了算法的空间效率。3)针对隐式推荐中数据含义存在的不确定性问题,本文从因果关系的角度对缺失数据进行建模,并对影响项目曝光概率的因素进行模糊表示及推理,最后结合矩阵分解进行评分预测,提出了基于因果神经模糊推理的隐式推荐算法。考虑实际应用中,用户看到的项目往往由应用平台推荐,影响了用户接触到的项目。本文分别针对用户及项目的特征,分析影响项目曝光概率的两个主要因素:用户对项目或交互情境的显式偏好及项目流行度。基于二者的模糊性,采用模糊集的理论对这两种因素进行描述,并使用神经模糊网络进行推理,预测指定项目曝光给用户的概率;其中,运用多层感知机学习各条模糊规则的权重。最后,结合矩阵分解算法预测评分,并向用户进行推荐。实验结果表明了深度变分矩阵分解算法设计及优化的合理性,并且在提升推荐准确率上具有一定优势。同时,验证了交叉权重网络的重要性,说明高阶交叉分解机算法在准确率上均优于其他高阶因子分解机推荐算法。此外,基于模糊神经推理的隐式推荐算法与其它有代表性的隐式推荐算法的比较结果说明了该算法的有效性。
王进法[4]（2019）在《网络空间异常行为检测与识别研究》文中研究表明在信号场之于无限边界的开放空间域上,构成了继陆、海、空、天的第五空间域,形成了物理空间内人与人、物与物、人与物的动态可交互虚拟空间。国家在无界开放网络空间域上提出保障信息和资源安全和保障关键信息基础设施互联互通的战略要求,势必为网络空间安全重要内容之一的网络异常行为检测和识别研究提出新的挑战。本文以国家网络空间安全战略为导向,以保障关键信息基础设施互联互通为目标,立足分组交换技术的网络环境,针对虚拟空间反射物理空间过程中影响网络性能或者安全的小概率事件,分别从上层网络空间通信信息和下层网络空间通信结构出发,实现对网络空间域内和域外异常行为的研究。首先,研究分组交换环境中的网络流交互行为,采用复杂网络方法提出了大规模网络空间流交互模型。引入时间局部性原理刻画网络流的时序交互关系,构建了基于时间局部性的网络流交互模型。面向多网络应用的模型结构统计特征分析,结果表明模型对网络应用定义行为的有效表达性,发现弱交互流易形成小世界网络而强交互流易形成无标度网络;设计了多元流相似性算法过滤大流量中的伪交互流,构建了基于局部多元相似性的网络流交互模型。面向异常流的模型结构动态性分析,设计了高斯分布的特征量对网络状态（异常/正常）显着性度量方法,其最高显着性为97.06%,发现了特征量与网络状态的正相关、负相关和不相关关系,表明模型对网络异常流行为的有效表达性;以上研究表明,流交互模型能用于关键信息基础设施上的大规模流量监控、分析和可视化研究。然后,引入直觉模糊集理论量化流交互模型特征量与网络状态之间的关系,提出了单特征量的直觉模糊集检测方法和多特征量的直觉模糊集组合检测方法,实现了网络异常流行为检测研究。针对模型特征量的时序性和聚集性,提出了模型特征量的直觉模糊集构建方法;针对单特征量聚类区间对网络状态表示不唯一,提出了两态语言变量的直觉模糊集概率累加方法,设计多语言变量的检测结果判断规则,构建出单特征量的直觉模糊集检测方法（IFS-AD）。多个异常数据集上的实验结果表明该方法取得较好的检测性能;针对多特征量在数据上的不一致性,设计了聚类区间到语言变量的映射方法,构建了多特征量的直觉模糊集组合检测方法（IFSE-AD）。实验结果表明,除CTU-4外的异常检测准确率在94.44%以上,与已有方法对比分析验证了IFSE-AD方法在检测性能上的优越性。接着,根据流交互模型特征量对网络应用定义行为表达的显着性,提出了网络空间异常应用流识别方法,实现了网络流的有效分组和异常应用识别。针对持续流设计了网络流预处理,降低了问题规模和实现面向目标的应用识别过程;面向海量而丰富的网络流,提出了先聚类后合并的网络流分组方法。实验结果表明,该方法不仅有效过滤孤立流,而且实现对非唯一数据包指纹和复合协议流的有效聚合;针对多样本空间的多网络流分组,提出同种异常应用的流分组集合构建方法。构建多异常应用的流交互模型并分析特征量序列后,结果表明异常应用的模型特征量分布呈现区间聚集性;面向多异常应用的多维模型特征量序列,引入聚类算法实现了序列的聚类划分,采用随机森林实现了在多维模型特征量聚类区间上的识别器构建。实验结果表明本文的异常应用流识别的准确率在96%以上。与已有方法对比分析发现本方法不仅在分组阶段实现早期检测和流聚合,还挖掘异常流交互模式。最后,面对突破地理空间的网络空间域,构建了主动探测的网络空间结构监测机制,实现对网络结构的动态性和突变性测量。依托课题组研究计划,设计了网络空间实时监测框架,实现分布式协同的网络结构探测;分析异常活动时的网络结构动态变化,提出了网络路径变化系数指标,可对网络结构突变前后进行有效区分和避免奇异节点链对测量的影响,实现了网路结构的动态性测量;针对网络空间结构动态系统,构建了前向k近邻的斐波那契稳态域,实现了对网络结构正常态的量化,进而定义了网络结构异常活动检测规则,实现了对网络结构的突变性测量。实验结果表明,在k=36时,网络空间异常活动的检测准确率达到了 97.78%以上。综上所述,本文网络空间异常行为研究从新的角度完成了关键信息基础设施上异常流分析、异常行为检测、异常应用流识别和网络监控与测量等工作。研究结果表明了本文工作在保障关键信息基础设施互联互通方面具有一定的实际应用价值和现实意义,能够为国家网络空间安全建设提供基础支撑。
杨洪权[5]（2018）在《铁路信号设备智能运维综合管理平台研究》文中指出本论文在我国铁路信息化建设的大背景下,结合我国高速铁路信号集中监测（CSM）的业务需求及功能项点,提出铁路信号设备智能运维管理平台研究。目前我国铁路信号监控系统缺乏对数据的综合诊断分析,缺乏对智能子系统等电子设备的集中维护;缺乏对电务设备故障、异常信息的有效监督及管理;没有充分发挥出既有电务设备各维护系统的价值,需要对其进行更深层次的挖掘和探讨。为充分发挥信息技术基础性、引领性作用,实施大数据战略,加快推进新一代信息技术与铁路融合发展,大力促进数字化、信息化、智能化铁路建设,我国急需全面提升安全监控自动化水平:移动互联和智能感知等技术,深化专业安全监测监控应用,建立集监测、监控和管理于一体的安全监管信息系统,实现安全生产动态信息实时监测监控。铁路信号设备智能运维管理平台以电务设备监测传感器作为感知层,通过无线网络技术构建网络层,利用先验概率行业容差关系扩展的模糊集模型和通过属性重要度和凸函数改进并简化的ID3算法,结合大数据分析技术最终实现自检自诊自决策的铁路电务智能综合运维管理平台。在算法方面,本论文提出了一个改进的赋值容差关系模型。这个模型可以在一定程度上克服经典容差关系的缺点,并且有效地表达不完整信息系统的内部关系。在此基础上进一步研究了改进的赋值容差关系模型的分布属性约简,提出了一个基于区分矩阵的属性约简算法。算例分析展示了改进的容差关系模型以及提出的属性约简算法可以有效地处理不完整的信息系统。与此同时本论文也对ID3算法进行了研究,与传统ID3算法相比,优化的ID3算法具有更高的平均分类精度。同时,它有更少的决策叶子,因此也就减少了复杂度。更要指出的是,对同样大小的数据集,优化算法在构建决策树时比传统算法花费的时间更少,着显示出优化算法极大地改进了构建效率。尤其是当数据集更大的时候,ID3算法的效率和性能是更好的,于是就具有了更明显的优越性。为了贴近一线业务运用情况,本论文对铁路电务段日常业务进行了分析,通过需求的了解,明确了既有信息系统中必要并且可以在移动终端实现的功能,通过这些功能的实现可以切实提高一线职工使用信息系统的便利性。本论文从业务的分析,需求的整理,系统的设计以及功能的实现来说明了电务维修决策服务系统方案的有效性以及可执行性。综上所述,本论文在铁路信息化建设的背景下,以研究铁路信号集中监测系统的成果化为目的,以理论建模为主结合试验及软件平台开发,为我国铁路信号智能监测领域做了探索和前瞻性的研究工作。尤其以改进的赋值容差关系模型和优化的ID3算法为实现信号系统的自检自诊自决策提供了最新的理论支撑,为电务智能运维领域的运用带来了新的前景。
王楚[6]（2018）在《基于模糊-粗糙集理论的社会媒体文本处理技术研究》文中指出近年来,随着众多社会媒体平台的诞生和发展,其作为一种在线用户交互的工具,正在越来越深刻地改变着人们的工作、生活和交流方式,同时也生成了海量的用户信息。广大用户在社会媒体中所生成的大量文本文件,已经成为大数据研究领域最具代表性的数据资源之一,对这些用户生成的文本数据进行研究有着广泛的学术和商业价值。社会媒体文本研究作为一种对社会媒体中大规模数据在不同应用上进行分析、处理、归纳和推理的信息处理技术,近些年来越来越吸引学术界和商业界的广泛关注,并已成功地应用在互联网的诸多领域。传统的社会媒体文本分析研究工作主要专注于从数据本身入手进行建模,往往忽视人类的语言逻辑,从而影响了文本分析的质量。本文针对目前社会媒体文本分析存在的问题,利用模糊理论和粗糙集理论在不确定性分析领域所具有的优势,在多标签情感强度分析、多标签细粒度的情感检索、知识图谱的构建以及基于题目和摘要的学术论文资源推荐这四个方面进行研究,提出了新的算法,并构建了相应的模型。具体来说,本文的主要研究工作和创新点如下:（1）目前社会媒体文本情感分析中主要针对情感倾向分析或者情感单标签预测,而较少考虑多标签细粒度的情感、特别是未考虑情感强度。针对此研究现状,本文提出一种基于模糊-粗糙集理论的多标签情感强度分析方法。首先应用模糊关系方程来对训练集文本中出现的情感词进行建模,继而得到的情感词强度范围,然后将其代入到测试集文本中,利用改进的模糊粗糙集理论对这些文本进行建模,最终得到测试集文本的情感标签和情感强度。在中文博客数据集上的实验结果表明,本文所阐述的多标签情感强度分析模型在句子、段落和篇章这三个文本层级均具有优势和实用性,该模型可以更好地对多标签情感属性和强度作出预测。（2）目前流行的情感检索模型绝大部分基于关键词或者情感标签匹配,没有考虑到文本中所含有的多标签细粒度情感。针对此研究现状,提出了一种基于模糊关系度量的多标签细粒度情感检索方法。首先应用模糊关系方程来对情感词的情感标签及值域范围进行运算,然后基于模糊格贴近度将所得到的情感标签和强度进行建模,在此基础上计算文本之间情感标签及强度相似性距离,得到检索结果。在中文博客数据集上的实验结果表明,本文提出的方法在准确度和实用性的综合考量下具有明显的优势。（3）目前基于TransE改进的众多翻译模型为了达到更好的分类结果,频繁地引入其他复杂数学模型,从而导致其算法复杂度越来越高,所需要的训练集越来越大,训练时间越来越长。针对此研究现状,提出了一种基于模糊集理论的社会媒体知识图谱构建方法。应用模糊关系矩阵运算的方法对现有的基于翻译的知识图谱模型进行改进,将模糊矩阵方程运算与深度学习的模型互相融合,构建了基于模糊理论的TransF模型。在WordNet和FreeBase中选取的数据集上的实验结果表明,本文所构建的基于模糊理论的知识图谱模型不但减少了所需参数并简化了训练过程,缩短了训练时间,而且在数据集规模不大的情况下表现出更大的优势。（4）现有的学术论文资源推荐的系统应用中大多仅仅根据关键词匹配,在同一概念对应不同关键词的情况下,很难推荐出相关论文。针对此现状,提出了一种基于粗糙-模糊集理论的学术论文资源推荐方法。首先利用TF-IDF算法提取学术文献中的关键词,再使用WordNet计算待推荐论文库中存在的关键词与输入查询论文关键词之间的相似性,最后利用粗糙模糊集模型针对这些关键词相似性建模,从而计算出两篇文档的相似性,最终依据相似性的排序向用户推荐感兴趣的论文。在UCI数据集上的实验结果表明,构建的推荐模型在准确性、时间性能以及综合实用性方面都有着更佳的表现。综上所述,本文基于模糊理论和粗糙集理论在处理不确定性问题和人类语言逻辑方面所具有的优势,研究社会媒体文本分析和处理的方法和技术。在多标签情感强度分析、基于多标签细粒度的情感检索、知识图谱的构建以及基于题目和摘要的学术论文资源推荐四个方面取得了研究成果。实验结果表明模糊集理论和粗糙集理论在社会媒体分析的研究中可以发挥很大的作用。本文的研究成果将为更好地建立和实现社会媒体文本处理的相关工作提供理论基础和技术支持。
张峰[7]（2017）在《船舶监控系统中无线传感器网络数据融合关键技术研究》文中研究表明随着航运信息化发展,船舶监控对于船舶的航行安全起到了越来越重要的作用。由于船舶机舱内设备数量众多、参数类型多样且环境复杂多变,导致实时监控数据不但数量庞大、类型繁多,而且还可能存在异常。因此,本文以船舶监控系统为背景,重点对系统涉及的无线传感器网络数据融合技术展开研究。本论文的主要研究内容如下:（1）结合系统需求,给出了船舶监控系统的总体框架和功能模块设计,并阐述了系统所涉及的关键技术。（2）设计了一种基于信任和权重的无线传感器网络数据融合模型。该模型由两大模块构成:在节点模块中,每个传感器节点通过监听邻居节点的传输过程建立信任表,并在簇头选举时根据此信任表选举可靠簇头;在簇头模块中,簇头通过收集簇内节点的权重,划分可信节点和异常节点,并选择可信节点的数据进行融合,有效地提高了数据融合的安全性和准确性,同时降低了网络能耗。（3）设计了一种基于模糊逻辑的无线传感器网络多传感器数据融合方法。该方法引入基于DENCLUE的离群点检测对基于权重的数据融合模型模型进行改进,消除了由于权重滞后更新而遗漏的异常数据,通过加权数据聚合,减少数据冗余,并使用模糊逻辑系统进行多传感器数据融合,不仅提高了数据融合的准确性,而且减少了数据传输和能量损耗。（4）完成了船舶监控系统主要功能模块开发,重点阐明了上述数据融合技术在系统中的实现,并给出了主要运行实例。
陈秀明[8]（2017）在《基于多粒度犹豫模糊语言信息的群推荐方法研究》文中认为群推荐系统是为参与共同活动的群体推荐满足群中所有成员的共同爱好的信息系统,现有成果主要支持线下已成团群体。随着在线社交网络的出现,具有相似兴趣的群体形成了各类虚拟社区,面向社交网络中虚拟社区的群推荐系统将成为推荐领域的热点问题。由于群推荐方法是群推荐系统的核心问题,因此研究群推荐理论与群推荐方法具有重要的理论意义和应用价值。在群推荐系统中,由于不同的个体偏好不同,个体在描述这些偏好信息时习惯采用自然语言,所以其偏好信息通常具有模糊性、犹豫性的特点。此外,由于不同的网络平台上可能采用不同粒度的语言信息进行推荐,所以群体偏好信息还具有多粒度性。基于此,本文在犹豫模糊语言环境下,首先研究了在线社交网络中的用户群发现方法。其次,在研究了个体评分预测的基础上,深入地研究了在线社交网络中用户群偏好获取方法。最后,研究了面向在线社交网络用户的TOPSIS群推荐方法、VIKOR群推荐方法。具体研究工作与创新点如下:（1）多粒度犹豫模糊语言环境下的群体发现方法。群体发现是群推荐的基础性问题,为此本部分首先在多粒度犹豫模糊语言术语集的基础上,引入了多粒度犹豫模糊语言余弦相似性计算公式,采用余弦相似性公式计算用户之间的相似性,分析余弦相似性与距离相似性公式之间的差异。其次,将最小生成树方法拓展到多粒度犹豫模糊语言环境中用于聚类分析。最后,将最小生成树聚类方法与等价关系聚类方法进行对比,分析所提出的方法聚类分析中的合理性和有效性。（2）犹豫模糊语言环境下的评分预测方法。评分预测问题是群推荐系统中研究焦点之一,为此本部分首先综述群推荐系统中评分预测的主要方法,阐述犹豫模糊语言环境下评分预测的必要性。其次,在犹豫模糊语言环境下距离相似性公式、余弦相似性公式的基础上提出相关系数相似性公式用于计算用户之间的相似性。最后,采用距离相似性公式、余弦相似性公式和相关系数相似性公式对算例进行计算,预测出未知的评分信息,比较三种方法预测的精度,分析所提出的相关系数相似性公式对犹豫模糊语言信息评分预测的可行性和有效性。（3）多粒度犹豫模糊语言的群偏好获取方法。在群推荐系统中如何将个体偏好信息集结成群体偏好信息是一个关键问题,为此本部分首先提出三角形犹豫模糊集的概念,分析三角形犹豫模糊集的性质,采用三角形犹豫模糊集对多粒度犹豫语言进行转换。其次,定义广义三角形犹豫模糊有权平均算子和广义三角形犹豫模糊有权几何算子,推导出这两个算子的性质。最后以汽车推荐为例,利用这两个算子对多粒度犹豫模糊语言信息描述的群偏好问题进行集结,分析该模型解决群体偏好获取是合理和有效的。（4）多粒度犹豫模糊语言的TOPSIS群推荐方法。针对不同群体的偏好信息具有多粒度性、犹豫模糊性等特点,本文首先定义多粒度犹豫模糊语言术语集的概念,定义多粒度犹豫模糊语言的系列距离公式,研究这些公式的性质,讨论公式之间的关系。其次,在属性权重完全未知的情况下,建立目标规划模型,利用拉格朗日方程求解模型得到属性权重;在属性权重不完全未知的情况下,采用线性规划模型求解属性权重。最后,将这些距离公式结合TOPSIS方法用于群体推荐问题,并分析公式的参数对TOPSIS方法的满意度及推荐结果的影响情况。（5）多粒度犹豫模糊语言信息的VIKOR群推荐方法。针对群推荐系统中被推荐项目具有多粒度性、犹豫模糊性问题,本文首先在多粒度犹豫模糊语言术语集的基础上,引入多粒度犹豫模糊语言信息熵的概念及计算公式,采用信息熵公式计算被推荐项目的属性权重;其次,将传统的VIKOR方法拓展到多粒度犹豫模糊领域,并对其妥协解公式进行改进,将改进的VIKOR方法用于群推荐;最后,从理论分析、数值计算和敏感性分析3个方面将VIKOR方法与TOPSIS方法进行对比,分析所提出的方法在群推荐应用中的合理性和有效性。总之,本文在多粒度犹豫模糊语言环境下,研究了在线社交网络用户的群发现方法、用户群偏好获取方法和群推荐方法,对群推荐系统中的关键问题进行了深入、系统的研究,研究成果不仅拓展了模糊数学理论,同时对群推荐等群决策问题具有指导意义。
牟向伟[9]（2010）在《模糊语义个性化推荐系统在电子政务中的应用研究》文中提出电子政务作为国家管理部门与社会民众之间有效便捷的沟通手段与服务平台,起到了至关重要的作用。随着网络时代的发展,网络上信息资源“量”的丰富和“质”的稀缺影响了电子政务信息化建设的效果,迫切需要一种能够发现用户内在需求,并主动提供信息服务的功能。近年来在国内外兴起的个性化推荐成为解决这些问题的重要途径之一。个性化信息资源的建设组织过程是一项系统工程,为了满足电子政务个性化信息服务发展的需要,本文首先在分析了个性化电子政务服务的内容、建设模式、目标和原则的基础上,提出了以门户网站为核心的电子政务个性化信息服务体系和构建方法。阐述了在信息集成环境下信息资源的权限管理和访问控制方法,并建立统一的模型来描述集成后的信息资源和用户特征。本文使用多种基于数据挖掘的方法对用户的兴趣进行深层次的发现,并对经典的协同过滤算法进行改进,使算法在保证准确度的同时提高了运行效率。最后,提出了一种模糊语义个性化推荐系统模型,并使用FALC模糊描述逻辑语言实现了该模型。论文以云南省航务海事管理局电子政务门户网站和内容管理系统为研究案例,验证了本文提出的以门户网站为核心的电子政务个性化信息服务体系以及相关模型和算法。实例证明,本文提出的模糊语义个性化推荐系统和实现方法是实用可行的。它可以在语义环境下为用户提供更准确的和扩展性更高的个性化推荐服务,使得电子政务中的信息资源能被系统高效的吸收和利用,从而满足用户的个性化信息需求,发挥资源的最大效益,实现资源的合理配置和共享。
隋雨佳[10]（2021）在《社会化媒体中伪健康信息的治理策略研究》文中研究表明随着Web2.0的发展,互联网用户逐渐从被动的信息消费者转变为在微信、微博或知乎等社会化媒体平台上主动创建内容的用户。社会化媒体是人们获取健康类信息的重要渠道,但与权威专业机构发布的健康类信息不同,社会化媒体“用户生成内容”的信息产出方式绕过了诸如专业编辑等传统的把关机制,用户创作信息的能力、创作信息的意图以及对信息真伪的判断能力参差不齐,使得信息的可信度存在不确定性。健康类资讯是公众最为关注的资讯之一,却也是谣言频发的重灾区,人们在需要的时候或许较难找到可靠的信息来源和值得信赖的信息。伪健康信息的存在会使人们养成错误的生活方式、贻误病情,不利于个人健康。伪健康信息带来公众卫生健康悲剧的原因有很多,如纠正类健康信息（意图纠正公众错误信念的健康类信息）“太少、太迟”、纠正类信息充满了科学术语和低质量的内容、媒体和公众缺乏合理推理等。伪健康信息的影响不会因为不关注而自动消失,忽视错误信息只会使情况恶化。因而,除了减少甚至清除本不应存在的伪健康信息之外,还应采取必要措施纠正人们的错误观念,尽可能消除伪健康信息的影响。本研究:（1）通过扎根理论分析用户接收到该类信息后的情绪、态度和行为倾向,挖掘影响对用户错误认知纠正效果的主要因素,利用刺激-机体-响应框架解释纠正效果的影响路径。本研究没有关注伪健康信息的传播机制或人们接受伪健康信息的心理认知特点,而是关注与伪健康信息（如谣言）相对立的纠正类健康信息（如辟谣信息）,分析公众态度和行为改变的障碍和原因,提高信息沟通的有效性。结果表明,用户接收到外界信息刺激后,主要通过信息建议的有用性、信息内容的可理解性、对科学原理解释的充分且合理性、话题吸引力等方面初步评估并形成对信息的整体质量感知。此外,获取信息的途径也尤为重要,特别是存在认知冲突时,公众通常使用自己信任的他人观点来进行反驳或说服自己,也会用自身过去的实践经验或教训反驳健康类信息。原有知识储备会影响用户对信息内容的掌握,对科学原理的解释与自己所掌握的基础理论知识相一致会更容易接受。用户通过一系列评估过程最终主要形成四种响应:第一种是相信信息且行动上愿意做出改变;第二种是虽然相信信息但由于习惯、心理作用等原因行动上不愿做出改变;第三种是坚持原有信念不相信信息且行动上拒绝做出改变;第四种则是持怀疑态度或开放式态度,虽然仍认为自己的（错误）认知是正确的,但是承认自己的认知是基于观点而不是科学证据,他们愿意进行科学讨论,在行动上倾向于选择保守的对健康无害的做法。为此,应利用社会化媒体与公众进行信息沟通。基于科学信息进行讨论,争取使持错误信念或开放式态度的公众了解正确信息。利用社会化媒体平台缩短谣言与辟谣信息的时间差,在官方辟谣前通过有效讨论引导公众理性思考。当发生大流行病时,疫情形势的迅速演变不允许立即获得某些科学数据,医生等专业人士有必要以简单和共享的方式向公众提供真实信息以避免误解。社会各界都应该行动起来利用社会化媒体这一公众参与讨论的“入口”,努力通过微信、微博、Twitter和Facebook等社会化媒体渠道提供真实信息和建议。（2）基于精细加工可能性模型,从信息本身、信息来源和信息接收者三个维度构建纠正类健康信息可信度影响因素的理论模型。通过情景问卷调查法收集有效数据,利用偏最小二乘结构方程模型对研究假设进行验证,并通过基于模糊集的定性比较分析对环境刺激（信息和信源维度）因素的组合影响进行评价。与以往对健康信息采纳的研究不同,纠正的关键在于改变信息接收者的原有信念,是在信息接收者认知冲突可能较高情况下的知识说服。且纠正类健康信息中包含一定的专业性知识,公众对其进行认知加工难度更大。在伪健康信息的纠正过程中,信息接收者认知冲突和知识水平的自我评估所产生的影响目前存在研究空白。此外,本研究进一步研究不同变量相互组合达到某种效果的多种情况,解决因自变量相互依赖而产生的复杂因果关系,通过多种方案组合解释同一结果。结果表明,感知信息质量和感知信源可靠性均能显着影响纠正类健康信息感知可信度,信息本身因素对纠正类健康信息感知可信度的影响大于信息来源,接收者对信息整体质量、信息有用性和易懂性的感知,可以在一定程度上弥补信息源的不足。信息的相关性、易懂性和有用性均显着影响感知信息质量,但信息充分性对感知信息质量的影响不显着;信源的专业性和权威性显着影响感知信源可靠性。但是,信息接收者认知冲突和知识水平的自我评估负向调节感知信息质量对纠正类健康信息感知可信度的影响,认知冲突则正向调节感知信源可靠性对纠正类健康信息可信度的影响,而知识水平对感知信源可靠性和纠正类健康信息感知可信度之间关系的调节效应不显着。为此,应提升纠正类健康信息的质量,用高质量的、准确的、易于消化、吸引人且易于分享的纠正类健康信息淹没伪健康信息。信息生产者应参考真实的医疗报告和权威专家观点,通过提高信息的易懂性（如条理清晰,可读性强,通俗易懂）、相关性（如话题具有吸引力,与受众关心的话题相匹配）、有用性（如建议可行,具有实用性）等方面提高信息质量。信息传播者应及时识别并过滤不良信息,转发可信提供者发布的健康知识。鼓励权威专家、高影响力者发声,通过社会化媒体中的意见领袖来影响信息传播,鼓励拥有大量关注者（如粉丝）的主体分享纠正性或高质量的信息。此外,社会化媒体可提高可靠信源的辨识度和知名度,利用信用评级等标识区分信息发布者的可信度,便于用户直接访问可信度高的账号主体,阅读权威官方账号下的健康类信息,减少用户接触伪健康信息的机会。（3）从信息生产者、传播者和接收者三方主体入手,构建伪健康信息治理主体的演化博弈模型,研究三方主体行为策略选择的动态变化,分析伪健康信息治理的演化路径和稳定策略,分析关键性策略对演化结果的影响。通过仿真模拟分析直观展示演化过程,剖析伪健康信息治理效果的影响因素。本研究突破对单一的传播环节或接收环节的研究,意图通过利益共赢、系统自治的方式治理社会化媒体中的伪健康信息,通过参与主体自适应的学习优化决策,使自身利益与社会利益目标一致。结果表明,初始策略会影响三方博弈的演化结果,越多的参与者选择生产真健康信息、提高自身可信度、提高辨识能力,系统越易达到理想状态（信息生产者生产真健康信息,信息传播者可信度高,信息接收者辨识能力强）。不同危害等级的伪健康信息会促使系统朝着不同的方向演化。伪健康信息的危害性可促使信息接收者提高自身辨识能力,但真健康信息价值对接收者的影响与对低可信度来源的警惕性和对真信息的顺从性有关。可信度高的传播者更应重视所传播健康信息的真实性,信息接收者的来源警惕性促使传播者提高可信度,对伪健康信息甄别能力促使生产者生产真健康信息。为此,应对伪健康信息进行分级管理。主动型信息传播者应重点挑选高价值的真健康信息进行传播,揭露伪健康信息。被动型信息传播者（如单纯提供平台）应重点识别并过滤危害性较大的伪健康信息。利用人工智能等高新技术构建成熟的信息治理体系,降低信息治理成本。此外,信息接收者应当认识到自己可能存在思维局限。对原有认知的自信不应成为接受新思想的阻碍,应认识到可能会过高估计自身的知识水平以及理解健康信息的能力。同时提高自身辨识能力,如搜索更多的信息并比较不同来源的数据、借助某些工具验证图片或视频的真实性等,主动了解自己所不知道的知识。在系统层面,如何修正信息生态系统并不是某一群体单独要面对的挑战,科学家、卫生信息专业人员和记者等应采取行动来帮助普通公众提高辨识信息真伪以及信源可靠性的能力,社会科学家、心理学家、计算机科学家、医学专业人员、互联网从业者和消费者应彼此合作,对抗伪健康信息。
二、模糊集技术在网络信息过滤系统中的应用研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、模糊集技术在网络信息过滤系统中的应用研究（论文提纲范文）
（1）基于模糊机制的语义实体推荐方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| §1.1 课题的研究背景与意义 |
| §1.2 国内外研究现状 |
| §1.2.1 模糊集理论 |
| §1.2.2 模糊本体理论 |
| §1.2.3 推荐系统 |
| §1.2.4 当前研究存在的问题 |
| §1.3 论文主要研究内容与论文组织结构 |
| §1.4 本章小结 |
| 第二章 模糊本体及推荐系统的相关研究 |
| §2.1 模糊本体技术简介 |
| §2.2 推荐系统技术简介 |
| §2.2.1 协同过滤的推荐 |
| §2.2.2 内容的推荐 |
| §2.2.3 知识的推荐 |
| §2.3 推荐系统中的多准则决策问题 |
| §2.4 本章小结 |
| 第三章 基于PHFAMM算子的多准则决策方法 |
| §3.1 引言 |
| §3.2 PHFAMM聚合算子及其加权算子 |
| §3.2.1 PHFAMM聚合算子的设计 |
| §3.2.2 加权PHFAMM聚合算子的设计 |
| §3.3 PHFAMM算子的多准则决策应用方案 |
| §3.4 实验结果与分析 |
| §3.4.1 案例简介 |
| §3.4.2 实验与分析 |
| §3.5 本章小结 |
| 第四章 基于PHFS的新型距离度量算法 |
| §4.1 引言 |
| §4.2 毕达哥拉斯犹豫模糊数的新型距离度量 |
| §4.2.1 PHFS的传统距离定义 |
| §4.2.2 PHFS的新型距离度量设计 |
| §4.3 PHFS新型距离度量的多准则决策应用方案 |
| §4.4 实验结果与分析 |
| §4.4.1 案例简介 |
| §4.4.2 实验与分析 |
| §4.5 本章小结 |
| 第五章 基于模糊本体的个性化旅游民宿推荐方法 |
| §5.1 引言 |
| §5.2 模糊机制的本体推荐方法 |
| §5.2.1 Neo4j图数据库构建模糊本体 |
| §5.2.2 利用模糊本体获取用户偏好 |
| §5.2.3 实体关系隶属度的计算 |
| §5.2.4 酒店实体相似度及总体得分的计算 |
| §5.3 推荐 |
| §5.4 实验结果与分析 |
| §5.4.1 案例简介 |
| §5.4.2 实验与分析 |
| §5.5 本章小结 |
| 第六章 总结和展望 |
| §6.1 全文总结 |
| §6.2 未来展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者在攻读硕士期间的主要研究成果 |
（2）云环境下基于不确定性理论的信任评估优化及预测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 现状及问题分析 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于信任的云服务评估模型 |
| 1.2.2 可信云服务的选择及推荐 |
| 1.2.3 基于预测的云服务信任评估 |
| 1.2.4 新注册服务实体的声誉预测研究 |
| 1.3 存在问题 |
| 1.4 论文主要研究内容与论文结构 |
| 1.4.1 论文主要研究内容 |
| 1.4.2 论文组织 |
| 1.5 论文创新点 |
| 第二章 相关研究概述 |
| 2.1 云服务的信任评估属性 |
| 2.2 信任的概念和属性 |
| 2.3 信任的性质 |
| 2.4 信任的分类 |
| 2.4.1 基于评估数据来源的不同 |
| 2.4.2 基于信任的获取方式的不同 |
| 2.4.3 基于信任评估对象的差异 |
| 2.5 信任表示 |
| 2.5.1 二值逻辑表示 |
| 2.5.2 离散值表示 |
| 2.5.3 连续值表示 |
| 2.6 信任评估对象类型 |
| 2.6.1 熟悉实体 |
| 2.6.2 陌生实体 |
| 2.6.3 新注册实体 |
| 2.7 信任建模方法 |
| 2.7.1 基于数学加权和的信任评估方法 |
| 2.7.2 基于贝叶斯理论的信任评估方法 |
| 2.7.3 基于模糊逻辑的信任评估方法 |
| 2.7.4 基于主观逻辑和证据理论的信任评估方法 |
| 2.7.5 基于犹豫模糊理论等新的数学工具的信任评估方法 |
| 第三章 多属性群体决策的云服务信任评估优化模型 |
| 3.1 引言 |
| 3.2 通用可信属性及预备知识 |
| 3.2.1 通用可信属性 |
| 3.2.2 预备知识 |
| 3.3 信任评估模型 |
| 3.3.1 构建服务的综合评估矩阵 |
| 3.3.2 基于用户偏好及MULTIMOORA的决策 |
| 3.4 示例 |
| 3.4.1 建立候选服务的综合信任评估矩阵 |
| 3.4.2 基于多目标优化MULTIMOORA方法的信任决策 |
| 3.5 实验设计 |
| 3.5.1 模型的上下文依赖的有效性 |
| 3.5.2 对比实验 |
| 3.6 本章小结 |
| 第四章 基于云模型与概率语言术语集的多维云服务信任评估模型 |
| 4.1 引言 |
| 4.2 预备知识与模型框架 |
| 4.2.1 云模型 |
| 4.2.2 模型框架 |
| 4.3 信任云生成模型和相似性计算 |
| 4.3.1 信任等级云与信任评估云 |
| 4.3.2 信任云的相似性评估 |
| 4.4 推荐者识别及恶意主观推荐信息过滤 |
| 4.4.1 推荐者识别 |
| 4.4.2 恶意的主观推荐信息过滤 |
| 4.5 信任评估计算 |
| 4.6 实验评估 |
| 4.6.1 实验设置 |
| 4.6.2 实例分析 |
| 4.6.3 推荐者识别准确性验证 |
| 4.6.4 相似推荐者个数K的影响 |
| 4.7 本章小结 |
| 第五章 基于用户情境相似性和帕累托优势的云服务时序QoS预测 |
| 5.1 引言 |
| 5.2 模型框架 |
| 5.3 创建用户情境相似集合 |
| 5.3.1 基于多值时序QoS数据的聚类计算 |
| 5.3.2 时序QoS数据的变化趋势的一致性 |
| 5.3.3 用户情境相似集合 |
| 5.4 QoS预测 |
| 5.5 实验评估 |
| 5.5.1 评估指标 |
| 5.5.2 评估结果 |
| 5.6 本章小结 |
| 第六章 新注册服务实体的声誉启动机制 |
| 6.1 引言 |
| 6.2 预备知识与模型框架 |
| 6.2.1 DEMATEL方法及模糊理论 |
| 6.2.2 模型框架 |
| 6.3 基于模糊DEMATEL方法生成CSFs |
| 6.4 基于BP神经网络的声誉预测 |
| 6.5 示例 |
| 6.5.1 分析影响因素的因果关系并识别CSFs |
| 6.5.2 数据准备与描述 |
| 6.5.3 评估标准 |
| 6.5.4 对比评估 |
| 6.6 本章小结 |
| 第七章 结束语 |
| 7.1 论文工作总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 读博期间科研成果 |
（3）基于深度学习与矩阵分解的推荐算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 基于内容的推荐算法 |
| 1.2.2 协同过滤推荐算法 |
| 1.2.3 混合推荐 |
| 1.3 推荐算法面临的挑战 |
| 1.4 研究内容及创新 |
| 1.5 本文章节安排 |
| 第二章 相关推荐算法研究 |
| 2.1 基于矩阵分解的推荐算法 |
| 2.2 基于自编码器的推荐算法 |
| 2.3 基于因子分解机的推荐算法 |
| 2.4 隐式推荐算法 |
| 2.5 基于模糊理论的推荐算法 |
| 2.6 基于因果关系的推荐算法 |
| 2.7 本章小结 |
| 第三章 基于深度变分矩阵分解的推荐算法 |
| 3.1 引言 |
| 3.2 准备工作 |
| 3.2.1 问题描述及表示 |
| 3.2.2 变分自编码器 |
| 3.3 模型总体框架 |
| 3.4 特征提取及评分预测 |
| 3.5 算法优化与参数估计 |
| 3.6 实验结果及分析 |
| 3.6.1 数据集 |
| 3.6.2 评估标准 |
| 3.6.3 参数影响分析 |
| 3.6.4 DVMF与 VAE性能对比 |
| 3.6.5 对比实验及结果分析 |
| 3.7 本章小结 |
| 第四章 高阶交叉因子分解机推荐算法 |
| 4.1 引言 |
| 4.2 准备工作 |
| 4.2.1 问题描述及表示 |
| 4.2.2 高阶因子分解机 |
| 4.3 模型整体框架 |
| 4.4 低阶特征交互 |
| 4.5 基于交叉权重网络的高阶特征交互 |
| 4.6 模型训练 |
| 4.7 模型分析 |
| 4.7.1 空间复杂度分析 |
| 4.7.2 时间复杂度分析 |
| 4.7.3 其他因子分解机的比较 |
| 4.8 实验结果及分析 |
| 4.8.1 数据集 |
| 4.8.2 评估指标 |
| 4.8.3 参数影响实验 |
| 4.8.4 模型组件影响 |
| 4.8.5 对比实验及分析 |
| 4.9 本章小结 |
| 第五章 基于因果神经模糊推理的隐式推荐算法 |
| 5.1 引言 |
| 5.2 准备工作 |
| 5.2.1 问题描述和定义 |
| 5.2.2 模糊集 |
| 5.2.3 自适应神经模糊推理 |
| 5.3 模型整体框架 |
| 5.4 曝光概率影响因素的模糊表示 |
| 5.5 因果神经模糊推理 |
| 5.6 模型参数估计 |
| 5.7 实验结果及分析 |
| 5.7.1 数据集 |
| 5.7.2 评价指标 |
| 5.7.3 参数影响实验 |
| 5.7.4 对比实验及结果分析 |
| 5.8 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（4）网络空间异常行为检测与识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 网络空间概述 |
| 1.1.1 网络空间定义 |
| 1.1.2 网络空间构成 |
| 1.1.3 网络空间异常行为 |
| 1.1.4 国家网络空间安全战略 |
| 1.2 网络空间异常行为研究现状与挑战 |
| 1.2.1 大规模网络流量的行为建模 |
| 1.2.2 网络异常事件的有效检测 |
| 1.2.3 网络异常流的有效分类和恶意应用识别 |
| 1.2.4 网络监测机制构建 |
| 1.3 本文研究体系与主要工作 |
| 1.4 本文组织结构 |
| 第2章 网络空间流交互行为建模与分析 |
| 2.1 引言 |
| 2.2 网络流交互行为 |
| 2.2.1 网络流定义 |
| 2.2.2 网络流的交互性 |
| 2.3 基于时间局部性的网络流交互模型及分析 |
| 2.3.1 网络流的时间局部性 |
| 2.3.2 模型定义与格式化 |
| 2.3.3 时间局部窗口与模型结构关系分析 |
| 2.3.4 面向网络应用的模型结构特征分析 |
| 2.3.5 模型的小世界和无标度特性分析 |
| 2.4 基于局部流多元相似性的网络流交互模型及分析 |
| 2.4.1 多元流相似性算法 |
| 2.4.2 模型构建 |
| 2.4.3 模型参数分析 |
| 2.4.4 面向异常流的模型结构动态性分析 |
| 2.5 本章小结 |
| 第3章 网络空间异常流行为检测研究 |
| 3.1 引言 |
| 3.2 流交互模型的提取 |
| 3.3 模型特征量的直觉模糊集建立 |
| 3.3.1 特征量论域划分 |
| 3.3.2 直觉模糊集建立 |
| 3.4 单特征量的直觉模糊检测方法 |
| 3.4.1 单特征量的直觉模糊集 |
| 3.4.2 单特征量检测结果判断 |
| 3.5 多特征量的直觉模糊组合检测方法 |
| 3.5.1 聚类区间到语言变量的映射 |
| 3.5.2 多特征量直觉模糊组合 |
| 3.5.3 多特征量组合检测结果判断 |
| 3.6 实验验证与结果分析 |
| 3.6.1 数据集 |
| 3.6.2 评价指标 |
| 3.6.3 单特征量的异常检测 |
| 3.6.4 多特征量的异常检测 |
| 3.6.5 方法参数与检测性能的关系 |
| 3.6.6 方法对比分析 |
| 3.7 本章小结 |
| 第4章 网络空间异常应用流识别研究 |
| 4.1 引言 |
| 4.2 网络流的预处理 |
| 4.3 网络流分组的聚合 |
| 4.3.1 网络流聚类 |
| 4.3.2 网络流聚类合并 |
| 4.4 异常应用流分组集合构建与模型提取 |
| 4.5 异常应用流的识别 |
| 4.5.1 模型特征量序列的聚类 |
| 4.5.2 基于随机森林的应用流识别 |
| 4.6 异常应用流识别方法描述 |
| 4.7 实验验证与结果分析 |
| 4.7.1 数据集 |
| 4.7.2 网络流分组结果分析 |
| 4.7.3 异常应用的模型特征量分析 |
| 4.7.4 异常应用流识别结果分析 |
| 4.7.5 方法对比分析 |
| 4.8 本章小结 |
| 第5章 网络空间结构监测机制研究 |
| 5.1 引言 |
| 5.2 网络结构监测框架 |
| 5.3 网络结构动态性测量 |
| 5.3.1 网络结构与异常活动关联分析 |
| 5.3.2 网络结构的变化测量 |
| 5.4 网络结构异常变化检测 |
| 5.5 网络结果监测结果分析 |
| 5.5.1 数据集 |
| 5.5.2 前向k值选择与分析 |
| 5.5.3 监测结果分析 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间取得的学术成果 |
（5）铁路信号设备智能运维综合管理平台研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题依据与来源 |
| 1.2 研究目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 铁路信号监测系统概述 |
| 1.3.2 电务信息采集技术研究现状 |
| 1.3.3 电务综合管理技术研究现状 |
| 1.3.4 电务设备智能运维决策技术研究现状 |
| 1.4 研究内容及论文结构 |
| 2 智能维修决策算法及理论研究 |
| 2.1 基于先验概率的容差关系扩展模糊集模型 |
| 2.1.1 相关模糊集模型分析 |
| 2.1.2 基于扩展的模糊集模型 |
| 2.1.3 基于扩展的模糊集模型属性约简 |
| 2.1.4 基于扩展的模糊集模型实验算例 |
| 2.2 通过属性重要度和凸函数改进并简化的ID3 算法 |
| 2.2.1 基础ID3 算法原理 |
| 2.2.2 ID3 算法改进及简化 |
| 2.2.3 ID3 算法实例验证 |
| 2.3 本章小节 |
| 3 信号设备在役状态集成化监测系统研究 |
| 3.1 高速铁路信号集中监测业务需求分析 |
| 3.1.1 信号集中监测系统功能分析 |
| 3.1.2 信号集中监测系统架构分析 |
| 3.2 高速铁路信号集中监测功能项点 |
| 3.2.1 信号集中监测总体结构设计 |
| 3.2.2 信号集中监测信息处理流程 |
| 3.3 信号设备在役状态集成化监测系统研究 |
| 3.3.1 信号设备在役状态集成化监测系统概述 |
| 3.3.2 信号设备在役状态集成化监测系统系统硬件方案 |
| 3.3.3 信号设备在役状态集成化监测系统系统软件方案 |
| 3.3.4 信号设备在役状态集成化监测系统室内试验环境构建 |
| 3.4 本章小结 |
| 4 基于状态驱动的信号设备数据分析诊断平台研究 |
| 4.1 信号设备数据分析诊断平台概述 |
| 4.2 信号设备数据分析诊断平台设计 |
| 4.2.1 平台设计总体目标 |
| 4.2.2 平台整体架构设计 |
| 4.2.3 平台软件结构设计 |
| 4.2.4 平台关键技术说明 |
| 4.3 信号设备数据分析诊断平台的实现 |
| 4.4 本章小结 |
| 5 电务维修决策服务系统研究与实现 |
| 5.1 电务维修决策服务系统分析 |
| 5.1.1 电务维修决策服务机构 |
| 5.1.2 电务维修巡检业务分析 |
| 5.1.3 电务巡检系统用例建模 |
| 5.1.4 基于优化ID3 算法的解决方案 |
| 5.2 电务维修决策服务系统设计 |
| 5.2.1 系统软件结构设计 |
| 5.2.2 移动终端和服务器端接口方案设计 |
| 5.2.3 系统工作流程设计 |
| 5.2.4 系统数据库设计 |
| 5.3 电务维修决策服务系统的实现 |
| 5.3.1 电务维修巡检计划管理 |
| 5.3.2 电务维修巡检轨迹管理 |
| 5.3.3 电务维修故障记录管理 |
| 5.4 巡检终端卡控子系统的实现 |
| 5.4.1 系统登录及主界面 |
| 5.4.2 计划接收模块 |
| 5.4.3 巡检记录模块 |
| 5.4.4 故障上报模块 |
| 5.4.5 人员定位模块 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 攻读学位期间的研究成果 |
| 参考文献 |
（6）基于模糊-粗糙集理论的社会媒体文本处理技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.1.1 社会媒体 |
| 1.1.2 社会媒体文本分析 |
| 1.2 社会媒体的文本处理技术的研究现状 |
| 1.2.1 情感分析简介 |
| 1.2.2 情感检索简介 |
| 1.2.3 知识图谱简介 |
| 1.2.4 资源推荐简介 |
| 1.2.5 问题与挑战 |
| 1.3 本文主要研究内容及贡献 |
| 1.4 本文组织结构 |
| 第2章 相关理论及技术 |
| 2.1 社会媒体的文本情感分析 |
| 2.1.1 词语级情感分析 |
| 2.1.2 语句级情感分析 |
| 2.1.3 篇章级情感分析 |
| 2.2 情感检索 |
| 2.3 知识图谱模型 |
| 2.4 资源推荐 |
| 2.4.1 基于内容的推荐模型 |
| 2.4.2 基于协同过滤的推荐模型 |
| 2.4.3 混合推荐模型 |
| 2.5 模糊集和粗糙集理论 |
| 2.5.1 模糊集理论 |
| 2.5.2 模糊集理论在分类领域的研究概述 |
| 2.5.3 粗糙集理论 |
| 2.5.4 粗糙集理论在分类领域的研究概述 |
| 2.5.5 模糊集和粗糙集的结合 |
| 2.6 本章小结 |
| 第3章 基于模糊-粗糙集理论的多标签情感强度分析 |
| 3.1 问题提出 |
| 3.2 相关工作 |
| 3.3 相关理论及问题定义 |
| 3.3.1 模糊关系方程 |
| 3.3.2 多标签情感强度分析的问题描述 |
| 3.3.3 模型框架 |
| 3.4 基于模糊粗糙理论的多标签情感强度分析模型 |
| 3.4.1 基于模糊关系方程的词语情感标签和强度计算 |
| 3.4.2 基于改进模糊粗糙集的情感分析模型 |
| 3.4.3 基于改进模糊粗糙集的情感分析算法描述 |
| 3.5 实验与分析 |
| 3.5.1 数据集和评价指标 |
| 3.5.2 实验对比方法 |
| 3.5.3 实验结果 |
| 3.5.4 讨论与分析 |
| 3.6 本章小结 |
| 第4章 基于模糊关系度量的多标签细粒度情感检索 |
| 4.1 问题提出 |
| 4.2 相关工作 |
| 4.2.1 情感分类 |
| 4.2.2 情感检索 |
| 4.2.3 模糊检索 |
| 4.3 相关理论及问题定义 |
| 4.3.1 模糊格贴近度 |
| 4.3.2 多标签细粒度情感检索定义与描述 |
| 4.3.3 模型框架 |
| 4.4 基于模糊关系度量的多标签细粒度情感检索方法 |
| 4.4.1 基于格贴近度的多标签细粒度情感检索模型 |
| 4.4.2 多标签细粒度情感检索算法描述 |
| 4.5 实验与分析 |
| 4.5.1 数据集和评估方法介绍 |
| 4.5.2 实验步骤 |
| 4.5.3 实验结果 |
| 4.5.4 讨论与分析 |
| 4.6 本章小结 |
| 第5章 基于模糊集理论的社会媒体知识图谱构建 |
| 5.1 问题提出 |
| 5.2 相关工作 |
| 5.2.1 其他知识图谱模型 |
| 5.2.2 翻译模型的相关技术背景 |
| 5.3 相关理论及问题定义 |
| 5.3.1 模糊关系的合成 |
| 5.3.2 问题描述 |
| 5.3.3 模型的基本框架 |
| 5.4 基于模糊集理论的知识图谱构建 |
| 5.4.1 基于模糊关系合成的知识图谱翻译模型 |
| 5.4.2 目标优化 |
| 5.4.3 算法描述 |
| 5.5 实验与分析 |
| 5.5.1 数据集 |
| 5.5.2 衡量指标 |
| 5.5.3 三元组分类 |
| 5.5.4 链路预测 |
| 5.5.5 结果讨论 |
| 5.6 本章小结 |
| 第6章 基于粗糙-模糊集理论的学术论文资源推荐 |
| 6.1 问题提出 |
| 6.2 相关工作 |
| 6.2.1 基于内容的论文推荐 |
| 6.2.2 基于协同过滤的论文推荐 |
| 6.2.3 基于混合算法的论文推荐 |
| 6.3 相关理论及问题定义 |
| 6.3.1 TF-IDF词权重计算 |
| 6.3.2 基于WordNet的词语距离方法 |
| 6.3.3 基于粗糙模糊集理论的相似性计算 |
| 6.4 基于粗糙-模糊集理论的论文资源推荐模型 |
| 6.4.1 数据集分析及处理 |
| 6.4.2 基于欧几里得粗糙模糊集的相似性度量模型 |
| 6.4.3 论文推荐算法描述 |
| 6.5 实验与分析 |
| 6.5.1 正确的结果的判定方法 |
| 6.5.2 实验步骤与对比方法 |
| 6.5.3 实验结果 |
| 6.5.4 讨论与分析 |
| 6.6 本章小结 |
| 第7章 结论 |
| 7.1 论文工作总结 |
| 7.2 未来的工作及展望 |
| 参考文献 |
| 致谢 |
| 攻博期间发表的论文 |
| 攻博期间参与的科研项目 |
| 作者简介 |
（7）船舶监控系统中无线传感器网络数据融合关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 无线传感器网络数据融合研究现状 |
| 1.3 关键技术研究现状 |
| 1.3.1 数据融合模型 |
| 1.3.2 数据融合算法 |
| 1.3.2.1 数据聚合 |
| 1.3.2.2 数据融合 |
| 1.4 研究意义 |
| 1.5 论文研究内容及组织结构 |
| 1.5.1 主要研究内容 |
| 1.5.2 组织结构 |
| 第二章 系统设计 |
| 2.1 系统需求分析 |
| 2.1.1 功能需求 |
| 2.1.2 性能需求 |
| 2.2 系统总体框架设计 |
| 2.3 主要功能模块 |
| 2.3.1 实时监控 |
| 2.3.2 监测报警 |
| 2.3.3 故障诊断 |
| 2.3.4 实时/历史数据查询 |
| 2.4 关键技术 |
| 2.4.1 数据融合模型 |
| 2.4.2 数据融合算法 |
| 2.5 本章小结 |
| 第三章 基于信任和权重的无线传感器网络数据融合模型 |
| 3.1 假设 |
| 3.2 TWDFM设计 |
| 3.2.1 框架概述 |
| 3.2.2 节点模块 |
| 3.2.3 簇头模块 |
| 3.3 实验及结果分析 |
| 3.3.1 安全可靠性分析 |
| 3.3.2 准确性分析 |
| 3.3.3 能耗分析 |
| 3.4 本章小结 |
| 第四章 基于模糊逻辑的无线传感器网络多传感器数据融合方法 |
| 4.1 系统模型 |
| 4.1.1 无线传感器网络 |
| 4.1.2 模糊逻辑 |
| 4.2 数据融合方法 |
| 4.2.1 框架概述 |
| 4.2.2 节点模块 |
| 4.2.3 簇头模块 |
| 4.2.4 基站模块 |
| 4.3 实验及结果分析 |
| 4.3.1 准确性分析 |
| 4.3.2 能耗分析 |
| 4.4 本章小结 |
| 第五章 系统实现与应用 |
| 5.1 项目背景 |
| 5.2 硬件部分 |
| 5.2.1 结构框架 |
| 5.2.2 数据采集 |
| 5.3 软件部分 |
| 5.3.1 开发环境 |
| 5.3.2 运行环境 |
| 5.4 系统网络结构 |
| 5.5 系统功能结构 |
| 5.6 关键技术实现 |
| 5.6.1 基于信任和权重的无线传感器网络数据融合模型 |
| 5.6.2 基于模糊逻辑的无线传感器网络多传感器数据融合方法 |
| 5.7 运行实例 |
| 5.8 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（8）基于多粒度犹豫模糊语言信息的群推荐方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.0 研究背景 |
| 1.1 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 研究框架 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法与技术路线 |
| 1.3.3 问题描述 |
| 1.4 本章小结 |
| 第二章 多粒度犹豫模糊语言环境下的群体发现方法 |
| 2.1 引言 |
| 2.2 原理与方法 |
| 2.2.1 基于多粒度犹豫模糊语言距离的相似性 |
| 2.2.2 多粒度犹豫模糊语言的余弦相似性公式 |
| 2.3 基于距离的相似性公式和余弦相似性公式的区别 |
| 2.4 多粒度犹豫模糊语言的聚类分析方法 |
| 2.4.1 多粒度犹豫模糊语言等价关系矩阵聚类方法 |
| 2.4.2 多粒度犹豫模糊语言的最小生成树聚类方法 |
| 2.5 算例分析 |
| 2.5.1 算例描述 |
| 2.5.2 等价关系聚类结果 |
| 2.5.3 最小生成树方法聚类结果 |
| 2.6 本章小结 |
| 第三章 犹豫模糊语言环境下的评分预测方法 |
| 3.1 引言 |
| 3.2 犹豫模糊语言相似性计算和评分预测研究 |
| 3.2.1 传统的相似性计算和评分预测方法 |
| 3.2.2 犹豫模糊语言集的定义和相关性质 |
| 3.2.3 犹豫模糊语言集的距离相似性公式 |
| 3.2.4 犹豫模糊语言术语集的余弦相似性公式 |
| 3.2.5 犹豫模糊语言集的相关系数相似性公式 |
| 3.3 算例分析 |
| 3.4 本章小结 |
| 第四章 多粒度犹豫模糊语言的群偏好集结方法 |
| 4.1 引言 |
| 4.2 模型描述 |
| 4.2.1 语言术语集合 |
| 4.2.2 上下文无关语法的语言转化为犹豫模糊语言术语集合 |
| 4.3 三角形犹豫模糊集的概念、集结算子及其性质 |
| 4.3.1 三角形犹豫模糊集 |
| 4.3.2 三角形犹豫模糊集的基本运算 |
| 4.3.3 GTHFWA算子和GTHFWG算子的定义 |
| 4.3.4 GTHFWA算子和GTHFWG算子的性质 |
| 4.4 算例分析 |
| 4.4.1. 算例描述 |
| 4.4.2 算例分析 |
| 4.5 本章小结 |
| 第五章 多粒度犹豫模糊语言的TOPSIS群推荐方法 |
| 5.1 引言 |
| 5.2 多粒度犹豫模糊语言集的TOPSIS方法 |
| 5.2.1 多粒度犹豫模糊语言集的概念和距离公式 |
| 5.2.2 多粒度犹豫模糊语言集的TOPSIS方法 |
| 5.2.3 算例分析 |
| 5.2.4 敏感性分析 |
| 5.3 未知权重的TOPSIS群推荐方法 |
| 5.3.1 多粒度犹豫模糊语言属性上的距离公式 |
| 5.3.2 模型描述 |
| 5.3.3 属性权重完全未知的情况 |
| 5.3.4 属性权重部分未知的情况 |
| 5.3.5 算例分析 |
| 5.4 本章小结 |
| 第六章 多粒度犹豫模糊语言VIKOR群推荐方法 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 原理与方法 |
| 6.3.1 多粒度犹豫模糊语言术语集的概念及距离公式 |
| 6.3.2 多粒度犹豫模糊语言环境下属性权重与熵 |
| 6.3.3 多粒度犹豫模糊语言术语集的VIKOR方法 |
| 6.3.4 TOPSIS方法与VIKOR方法比较 |
| 6.4 多粒度犹豫模糊语言术环境下VIKOR方法步骤 |
| 6.5 算例分析 |
| 6.5.1 VIKOR方法进行推荐排序 |
| 6.5.2 参数的敏感性分析 |
| 6.5.3 与TOPSIS方法排序结果比较 |
| 6.5.4 权重的敏感性分析 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 主要研究成果与结论 |
| 7.2 创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 在读期间参加的科研工作和发表的论文 |
（9）模糊语义个性化推荐系统在电子政务中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 个性化推荐系统概述 |
| 1.3 电子政务对个性化推荐服务的需求 |
| 1.4 研究内容与技术路线 |
| 第2章 模糊语义个性化推荐系统理论基础 |
| 2.1 信息集成与管理理论 |
| 2.1.1 信息集成理论 |
| 2.1.2 信息集成技术方法 |
| 2.2 数据挖掘技术与方法 |
| 2.2.1 数据挖掘技术 |
| 2.2.2 Web挖掘技术 |
| 2.3 模糊描述逻辑 |
| 2.3.1 描述逻辑 |
| 2.3.2 模糊描述逻辑 |
| 2.4 本章小结 |
| 第3章 面向个性化推荐服务的信息组织体系 |
| 3.1 电子政务信息服务的内容与模式 |
| 3.1.1 电子政务信息服务的主要内容 |
| 3.1.2 面向个性化推荐的信息服务模式 |
| 3.2 个性化电子政务的建设目标与组织原则 |
| 3.2.1 个性化电子政务的主要建设目标 |
| 3.2.2 个性化电子政务的信息组织原则 |
| 3.3 个性化电子政务信息服务体系构建 |
| 3.3.1 个性化电子政务信息资源体系的建设 |
| 3.3.2 面向个性化信息服务的电子政务门户 |
| 3.4 本章小结 |
| 第4章 面向个性化推荐服务的信息集成与描述 |
| 4.1 基于中间件的个性化信息集成 |
| 4.1.1 中间件的概念 |
| 4.1.2 中间件的特点及分类 |
| 4.1.3 数据仓库的中间件技术 |
| 4.2 推荐系统的访问控制与权限管理 |
| 4.2.1 常见的访问控制模型 |
| 4.2.2 门户网站中的访问控制模型 |
| 4.3 基于最大模糊生成树的网页聚类 |
| 4.3.1 最大模糊生成树 |
| 4.3.2 基于最大模糊生成树的网页聚类算法 |
| 4.3.3 实例 |
| 4.4 基于直觉模糊集的用户模型 |
| 4.4.1 直觉模糊集相关概念 |
| 4.4.2 基于直觉模糊集的用户模型 |
| 4.4.3 实例 |
| 4.5 本章小结 |
| 第5章 用户个性化信息发现与推荐方法 |
| 5.1 基于内容的个性化推荐算法 |
| 5.2 基于模型的推荐算法 |
| 5.3 基于协同过滤的推荐算法及其改进算法 |
| 5.3.1 基于用户的协同过滤算法 |
| 5.3.2 基于项目的协同过滤算法 |
| 5.3.3 基于稳定度的改进算法 |
| 5.4 基于关联规则的推荐方法 |
| 5.4.1 关联规则的概念 |
| 5.4.2 关联规则算法的流程 |
| 5.4.3 Apriori关联规则方法的实例 |
| 5.5 本章小结 |
| 第6章 模糊语义个性化推荐系统模型 |
| 6.1 语义推荐系统模型 |
| 6.2 基于FALC的模糊语义推荐系统的实现 |
| 6.3 模糊语义推荐实例 |
| 6.4 本章小结 |
| 第7章 模糊语义个性化推荐系统在电子政务中的应用 |
| 7.1 系统建设体系和开发模式 |
| 7.2 系统的具体实现 |
| 7.2.1 数据库设计 |
| 7.2.2 功能模块 |
| 7.2.3 外部网站 |
| 7.2.4 内容管理 |
| 7.3 系统的主要特点 |
| 7.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间公开发表论文和科研成果 |
| 致谢 |
（10）社会化媒体中伪健康信息的治理策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究问题和主要内容 |
| 1.3 研究意义 |
| 1.3.1 理论意义 |
| 1.3.2 实践意义 |
| 1.4 研究方法和研究框架 |
| 1.4.1 研究方法 |
| 1.4.2 研究框架 |
| 1.5 研究创新点 |
| 1.6 文章结构 |
| 1.7 本章小结 |
| 第二章 研究综述与理论基础 |
| 2.1 相关概念界定 |
| 2.2 伪健康信息类别 |
| 2.3 社会化媒体中伪健康信息的传播 |
| 2.4 伪健康信息治理策略研究现状 |
| 2.5 刺激-机体-响应框架 |
| 2.6 精细加工可能性模型 |
| 2.7 研究评述 |
| 2.8 本章小结 |
| 第三章 伪健康信息纠正效果的影响因素探究 |
| 3.1 引言 |
| 3.2 数据收集 |
| 3.3 数据编码和结果 |
| 3.3.1 开放式编码 |
| 3.3.2 主轴编码 |
| 3.3.3 选择性编码 |
| 3.3.4 理论饱和度检验 |
| 3.4 主要因素阐释 |
| 3.5 影响路径分析 |
| 3.6 本章小结 |
| 第四章 纠正类健康信息感知可信度的影响路径研究 |
| 4.1 引言 |
| 4.2 研究假设与研究模型 |
| 4.2.1 纠正类健康信息感知可信度 |
| 4.2.2 感知信息质量 |
| 4.2.3 感知信源可靠性 |
| 4.2.4 认知冲突自我评估的调节作用 |
| 4.2.5 知识水平自我评估的调节作用 |
| 4.2.6 研究模型 |
| 4.3 研究方法 |
| 4.3.1 量表设计 |
| 4.3.2 问卷设计 |
| 4.3.3 数据收集 |
| 4.4 结构方程模型分析 |
| 4.4.1 无响应偏差 |
| 4.4.2 共同方法偏差 |
| 4.4.3 度量模型检验 |
| 4.4.4 结构模型检验 |
| 4.5 定性比较分析 |
| 4.5.1 数据校准 |
| 4.5.2 单个条件的必要性分析 |
| 4.5.3 条件组合分析 |
| 4.6 结果和讨论 |
| 4.7 本章小结 |
| 第五章 伪健康信息治理主体的三方演化博弈分析 |
| 5.1 引言 |
| 5.2 模型的基本假设 |
| 5.3 策略组合和收益矩阵 |
| 5.4 求解复制动态方程 |
| 5.5 模型均衡分析 |
| 5.5.1 模型均衡点 |
| 5.5.2 均衡点稳定性 |
| 5.6 仿真分析 |
| 5.6.1 渐近稳定点 |
| 5.6.2 初始策略点对演化结果的影响 |
| 5.6.3 参数变化对演化结果的影响 |
| 5.7 结果和讨论 |
| 5.8 本章小结 |
| 第六章 策略建议 |
| 6.1 利用社会化媒体进行讨论 |
| 6.2 利用高质量纠正类健康信息淹没伪健康信息 |
| 6.3 权威专家发声,提高可靠信源的辨识度和知名度 |
| 6.4 伪健康信息分级管理,提高生产伪健康信息的成本 |
| 6.5 公众认识到自身存在认知局限,提高辨识能力 |
| 6.6 多方主体共同努力治理伪健康信息 |
| 第七章 结论与展望 |
| 7.1 主要结论 |
| 7.2 局限及展望 |
| 参考文献 |
| 附录1 开放式编码主要结果展示 |
| 附录2 调查问卷 |
| 附录3 三方演化博弈模型分析的Matlab程序 |
| 附录4 渐近稳定点仿真分析的Matlab程序 |
| 附录5 初始策略对演化结果影响仿真分析的Matlab程序 |
| 附录6 参数变化对演化结果的影响仿真分析的Matlab程序 |
| 致谢 |
| 作者攻读学位期间发表的学术论文目录 |
四、模糊集技术在网络信息过滤系统中的应用研究（论文参考文献）
- [1]基于模糊机制的语义实体推荐方法研究[D]. 郭秀艳. 桂林电子科技大学, 2021(02)
- [2]云环境下基于不确定性理论的信任评估优化及预测研究[D]. 王艳. 青海师范大学, 2020(04)
- [3]基于深度学习与矩阵分解的推荐算法研究[D]. 张伟娜. 华南理工大学, 2020(01)
- [4]网络空间异常行为检测与识别研究[D]. 王进法. 东北大学, 2019(01)
- [5]铁路信号设备智能运维综合管理平台研究[D]. 杨洪权. 兰州交通大学, 2018(03)
- [6]基于模糊-粗糙集理论的社会媒体文本处理技术研究[D]. 王楚. 东北大学, 2018(01)
- [7]船舶监控系统中无线传感器网络数据融合关键技术研究[D]. 张峰. 南京航空航天大学, 2017(02)
- [8]基于多粒度犹豫模糊语言信息的群推荐方法研究[D]. 陈秀明. 合肥工业大学, 2017(01)
- [9]模糊语义个性化推荐系统在电子政务中的应用研究[D]. 牟向伟. 大连海事大学, 2010(01)
- [10]社会化媒体中伪健康信息的治理策略研究[D]. 隋雨佳. 北京邮电大学, 2021(01)