消费品质量安全信息分析 理论、方法与技术PDF|Epub|txt|kindle电子书版本网盘下载

消费品质量安全信息分析 理论、方法与技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1消费品质量安全信息分析的重要性1

1.1.1研究背景1

1.1.2研究意义4

1.2消费品质量安全信息分析的研究现状5

1.2.1国外研究现状5

1.2.2国内研究现状9

1.3章节安排10

参考文献11

第2章Web挖掘理论12

2.1概述12

2.1.1数据挖掘12

2.1.2 Web挖掘14

2.2 Web挖掘的分类15

2.2.1 Web内容挖掘15

2.2.2 Web结构挖掘17

2.2.3 Web使用挖掘17

2.3 Web挖掘算法19

2.4 Web信息抽取技术21

2.4.1 MUC和ACE21

2.4.2 TAC和KBP22

2.4.3 Web信息抽取关键技术24

2.5基于Web挖掘的网络舆情智能分析26

2.5.1网络舆情信息分析处理26

2.5.2基于社交网络的信息传播研究26

2.6消费品质量安全信息分析和预警27

参考文献28

第3章 消费品质量安全信息采集与集成35

3.1消费品质量安全信息采集及处理35

3.1.1概述35

3.1.2消费品质量安全信息采集36

3.1.3消费品质量安全信息处理39

3.2消费品质量安全信息要素提取40

3.2.1消费品质量安全影响因素40

3.2.2信息结构42

3.3消费品质量安全信息集成46

3.3.1集成模型46

3.3.2基于本体的数据集成过程48

参考文献49

第4章 基于话题跟踪的消费品质量安全信息分析50

4.1话题跟踪研究现状50

4.1.1相关概念50

4.1.2研究现状51

4.2质量安全事件Web新闻话题跟踪模型构建52

4.2.1 Web文档预处理52

4.2.2特征选择和文本表示52

4.2.3特征权重计算53

4.2.4 Single-Pass增量聚类算法54

4.3改进的相似度计算方法55

4.3.1质量安全事件发生时间抽取55

4.3.2考虑时间距离的相似度计算方法57

4.4实验分析57

4.4.1评价指标57

4.4.2结果分析58

参考文献60

第5章 基于文本特征的消费品质量安全Web文本分类63

5.1文本分类研究现状63

5.2 Web文本分类关键技术研究65

5.2.1文本预处理65

5.2.2文本特征表示66

5.2.3特征降维67

5.3改进的基于VSM的特征项权重计算方法69

5.3.1传统的特征项权重计算方法69

5.3.2改进的特征项权重计算方法69

5.4基于规则和KNN的三层架构的分类器构造70

5.5实验分析72

5.5.1评测指标72

5.5.2实验数据及过程72

5.5.3结果分析74

参考文献76

第6章 基于网络案例的消费品质量安全时间信息分析78

6.1时间信息基本概念及研究现状78

6.1.1时间信息基本概念78

6.1.2时间信息抽取研究现状78

6.1.3时间信息抽取的意义79

6.2时间关系理论79

6.3网络案例时间表达特征80

6.3.1网络案例时间构成80

6.3.2网络案例时间位置特征及常用词分析82

6.4网络案例发生时间提取方法82

6.4.1时间用词到时间戳的映射82

6.4.2基于向下覆盖的发生时间提取方法83

6.4.3实验分析84

6.5案例时序分析85

参考文献87

第7章 基于规则推理的消费品质量安全地理信息分析89

7.1地名实体抽取相关研究89

7.1.1命名实体识别方法89

7.1.2中文地名的特点89

7.1.3消费品质量安全事件地名实体抽取的意义90

7.2地名实体定义及表达特征分析90

7.2.1地名实体的界定90

7.2.2地点实体信息的表达特征90

7.2.3现有分词系统处理地名实体的不足92

7.3网络案例地名实体的识别方法92

7.3.1基于规则推理的地名实体识别流程92

7.3.2网络案例发生地点的分析和判断94

7.3.3实验分析95

7.4案例地点分析96

参考文献97

第8章 基于贝叶斯网络的消费品质量安全信息推理98

8.1贝叶斯网络推理与故障树分析法研究现状98

8.1.1贝叶斯网络推理研究现状98

8.1.2故障树分析法研究现状99

8.2案例知识发现的过程及特征分析100

8.2.1消费品质量安全案例的特征分析100

8.2.2案例知识发现的过程101

8.3多实体贝叶斯网络建模101

8.3.1故障树常规逻辑关系向多实体贝叶斯网络的转化102

8.3.2开关事件向多实体贝叶斯网络的转化102

8.3.3共因事件向多实体贝叶斯网络的转化104

8.3.4人因事件向多实体贝叶斯网络的转化105

8.4多实体贝叶斯网络参数学习算法107

8.4.1现有的参数学习算法107

8.4.2在线最大期望学习算法107

8.4.3基于证据理论的多实体贝叶斯网络参数学习算法108

8.5多实体贝叶斯网络系统安全评价109

8.5.1后果概率109

8.5.2重要度110

8.6实验分析110

参考文献114

第9章 基于支持向量机的消费品质量安全预警模型116

9.1支持向量机算法116

9.1.1支持向量机算法概述116

9.1.2支持向量机的数学模型117

9.1.3支持向量机算法的应用118

9.2特征加权支持向量机模型120

9.2.1特征加权支持向量机的算法120

9.2.2特征加权支持向量机的步骤122

9.3消费品质量安全风险预警模型的构建123

9.3.1玩具类消费品安全影响因素分析123

9.3.2玩具类消费品安全风险预警指标选择125

9.3.3玩具类消费品质量安全预警流程128

9.3.4消费品质量安全风险预警模型的建立130

9.3.5核函数选择131

9.3.6模型的评价132

9.4实验分析132

9.4.1数据收集及预处理132

9.4.2预警应用实验136

9.4.3预警结果分析139

参考文献140

第10章 消费品质量安全信息监测及预警平台143

10.1平台建设的目标与原则143

10.1.1平台建设的目标143

10.1.2平台建设的原则143

10.2平台的基本结构144

10.3信息采集145

10.3.1论坛、博客、网页的采集146

10.3.2搜索引擎采集148

10.3.3案例信息采集149

10.4决策支持系统150

10.4.1信息查询模块150

10.4.2统计分析模块152

10.4.3数据挖掘模块155

参考文献156

结论157