|
|
@@ -32,11 +32,11 @@
|
|
|
\input{main.cfg} % Main items
|
|
|
\include{abstract} % Abstract
|
|
|
\frontmatter\tableofcontents % Content
|
|
|
+\fancypagestyle{plain}{\pagestyle{frontmatter}}
|
|
|
|
|
|
% 正文
|
|
|
\newpage\mainmatter
|
|
|
-\fancypagestyle{plain}{\pagestyle{fancy}} % Add head to new chapter
|
|
|
-\pagestyle{fancy} % Head and foot
|
|
|
+\fancypagestyle{plain}{\pagestyle{mainmatter}}
|
|
|
%\let\cleardoublepagebak=\cleardoublepage
|
|
|
%\let\cleardoublepage\relax % Make new chapter stay on old page
|
|
|
|
|
|
@@ -55,27 +55,27 @@
|
|
|
|
|
|
\subsection{定义、定理与引理等}
|
|
|
\begin{definition}
|
|
|
-这是一条我也不知道在说什么的定义。\cite{周兴2017基于深度学习的谣言检测及模式挖掘}
|
|
|
+这是一条我也不知道在说什么的定义，反正我就是写在这里做个样子罢了，也没人会仔细读。\cite{周兴2017基于深度学习的谣言检测及模式挖掘}
|
|
|
\end{definition}
|
|
|
|
|
|
\begin{theorem}
|
|
|
-这是一条我也不知道在说什么的定理。
|
|
|
+这是一条我也不知道在说什么的定理，反正我就是写在这里做个样子罢了，也没人会仔细读。
|
|
|
\end{theorem}
|
|
|
|
|
|
\begin{axiom}
|
|
|
-这是一条我也不知道在说什么的公理。
|
|
|
+这是一条我也不知道在说什么的公理，反正我就是写在这里做个样子罢了，也没人会仔细读。
|
|
|
\end{axiom}
|
|
|
|
|
|
\begin{lemma}
|
|
|
-这是一条我也不知道在说什么的引理。
|
|
|
+这是一条我也不知道在说什么的引理，反正我就是写在这里做个样子罢了，也没人会仔细读。
|
|
|
\end{lemma}
|
|
|
|
|
|
\begin{proposition}
|
|
|
-这是一条我也不知道在说什么的命题。
|
|
|
+这是一条我也不知道在说什么的命题，反正我就是写在这里做个样子罢了，也没人会仔细读。
|
|
|
\end{proposition}
|
|
|
|
|
|
\begin{corollary}
|
|
|
-这是一条我也不知道在说什么的推论。
|
|
|
+这是一条我也不知道在说什么的推论，反正我就是写在这里做个样子罢了，也没人会仔细读。
|
|
|
\end{corollary}
|
|
|
|
|
|
\subsection{中英文文献、学位论文引用}
|
|
|
@@ -88,6 +88,8 @@
|
|
|
\section{图表及其引用}
|
|
|
此处引用了简单的表\ref{crowdwisdom_TMP}。
|
|
|
|
|
|
+请注意，\LaTeX{}的图表排版规则决定了图表\textbf{不一定会乖乖呆在你插入的地方}，这是为了避免Word中由于图片尺寸不匹配在页面下部出现的的空白，所以请不要使用“下图”“下表”作为指向文字，应使用“图1-1所示”这样的表述。
|
|
|
+
|
|
|
\begin{bupttable}{基于浏览者行为的特征}{crowdwisdom_TMP}
|
|
|
|
|
|
\begin{tabular}{l|l|l}
|
|
|
@@ -201,50 +203,56 @@
|
|
|
\end{equation}
|
|
|
|
|
|
之后将求得的特征值降序排列，取前$d^\prime$个特征值对应的特征向量组成所需的投影矩阵$\bm{W}^\prime =(\bm{w}_1,\bm{w}_2,\ldots,\bm{w}_{d^\prime})$，即可得到PCA的解。PCA算法的描述如算法\ref{PCA_algorithm}所示。
|
|
|
+
|
|
|
\begin{algorithm}
|
|
|
-\floatname{algorithm}{算法}
|
|
|
-\caption{主成分分析（PCA）}
|
|
|
-\label{PCA_algorithm}
|
|
|
-\renewcommand{\algorithmicrequire}{\textbf{输入：}}
|
|
|
-\renewcommand{\algorithmicensure}{\textbf{输出：}}
|
|
|
-\begin{algorithmic}[1]
|
|
|
-\Require 样本集$\bm{x}=\{\bm{x}_1,\bm{x}_2,\ldots,\bm{x}_i,\ldots,\bm{x}_m\}$，低维空间维数$d^\prime$
|
|
|
-\Ensure 投影矩阵 $\bm{W}^\prime =(\bm{w}_1,\bm{w}_2,\ldots,\bm{w}_{d^\prime})$
|
|
|
-\State 对所有样本中心化$\bm{x}_i \gets \bm{x}_i - \frac{1}{m}\sum_{i=1}^m \bm{x}_i$
|
|
|
-\State 计算样本的协方差$\bm{X}\bm{X}^ \mathrm{T}$
|
|
|
-\State 对协方差矩阵$\bm{X}\bm{X}^ \mathrm{T}$做特征值分解
|
|
|
-\State 取最大的$d^\prime$个特征值所对应的特征向量$\bm{w}_1,\bm{w}_2,\ldots,\bm{w}_{d^\prime}$
|
|
|
-\end{algorithmic}
|
|
|
+ \begin{spacing}{1.3}
|
|
|
+ \floatname{algorithm}{算法}
|
|
|
+ \caption{主成分分析（PCA）}
|
|
|
+ \label{PCA_algorithm}
|
|
|
+ \renewcommand{\algorithmicrequire}{\textbf{输入：}}
|
|
|
+ \renewcommand{\algorithmicensure}{\textbf{输出：}}
|
|
|
+ \begin{algorithmic}[1]
|
|
|
+ \Require 样本集$\bm{x}=\{\bm{x}_1,\bm{x}_2,\ldots,\bm{x}_i,\ldots,\bm{x}_m\}$，低维空间维数$d^\prime$
|
|
|
+ \Ensure 投影矩阵 $\bm{W}^\prime =(\bm{w}_1,\bm{w}_2,\ldots,\bm{w}_{d^\prime})$
|
|
|
+ \State 对所有样本中心化$\bm{x}_i \gets \bm{x}_i - \frac{1}{m}\sum_{i=1}^m \bm{x}_i$
|
|
|
+ \State 计算样本的协方差$\bm{X}\bm{X}^ \mathrm{T}$
|
|
|
+ \State 对协方差矩阵$\bm{X}\bm{X}^ \mathrm{T}$做特征值分解
|
|
|
+ \State 取最大的$d^\prime$个特征值所对应的特征向量$\bm{w}_1,\bm{w}_2,\ldots,\bm{w}_{d^\prime}$
|
|
|
+ \end{algorithmic}
|
|
|
+ \end{spacing}
|
|
|
\end{algorithm}
|
|
|
|
|
|
\subsubsection{主成分分析可信度评估方法}
|
|
|
记待判定微博$\bm{w}_0$的经典特征向量为$\bm{f}^{c}_{0}$，它的发布者在$\bm{w_0}$前发布的$k$条微博为$\bm{W} = \bm{w}_1,\bm{w}_2,\ldots,\bm{w}_k$，这$k$条微博对应的经典特征向量集为$\bm{F}^{c}_{W} = \{ \bm{f}^{c}_{1},\bm{f}^{c}_{2},\ldots,\bm{f}^{c}_{k} \}$。令$label = 1$代表谣言，$label = 0$代表非谣言。算法的具体流程如算法\ref{PCA_model}所示。
|
|
|
|
|
|
-\begin{algorithm}
|
|
|
-\floatname{algorithm}{算法}
|
|
|
-\caption{基于PCA的信息可信度评估}
|
|
|
-\label{PCA_model}
|
|
|
-\renewcommand{\algorithmicrequire}{\textbf{输入：}}
|
|
|
-\renewcommand{\algorithmicensure}{\textbf{输出：}}
|
|
|
- \begin{algorithmic}[1]
|
|
|
- \Require $\bm{f}^{c}_{0}$，$\bm{F}^{c}_{W}$，保留主成分数$n$
|
|
|
- \Ensure 标签$label\in \{0,1\}$
|
|
|
- \State 对所有特征向量应用PCA，保留前$n$个主成分$\bm{o}^{c}_{i} \gets PCA(\bm{f}^{c}_{i}, n)$（$i = 0,1,\ldots,k$）
|
|
|
- \State 计算$\bm{F}^{c}_{W}$中各向量的平均距离$\mu$和标准差$\sigma$
|
|
|
- \State 计算阈值$thr = {\mu} / {\sigma}$
|
|
|
- \If {$\min_{1<j\le k} \|\bm{o}^{c}_{0} - \bm{o}^{c}_{j} \|_2 > thr$}
|
|
|
- \State $ label \gets 1 $
|
|
|
- \Else
|
|
|
- \State $ label \gets 0 $
|
|
|
- \EndIf
|
|
|
- \end{algorithmic}
|
|
|
+\begin{algorithm}
|
|
|
+ \begin{spacing}{1.3}
|
|
|
+ \floatname{algorithm}{算法}
|
|
|
+ \caption{基于PCA的信息可信度评估}
|
|
|
+ \label{PCA_model}
|
|
|
+ \renewcommand{\algorithmicrequire}{\textbf{输入：}}
|
|
|
+ \renewcommand{\algorithmicensure}{\textbf{输出：}}
|
|
|
+ \begin{algorithmic}[1]
|
|
|
+ \Require $\bm{f}^{c}_{0}$，$\bm{F}^{c}_{W}$，保留主成分数$n$
|
|
|
+ \Ensure 标签$label\in \{0,1\}$
|
|
|
+ \State 对所有特征向量应用PCA，保留前$n$个主成分$\bm{o}^{c}_{i} \gets PCA(\bm{f}^{c}_{i}, n)$（$i = 0,1,\ldots,k$）
|
|
|
+ \State 计算$\bm{F}^{c}_{W}$中各向量的平均距离$\mu$和标准差$\sigma$
|
|
|
+ \State 计算阈值$thr = {\mu} / {\sigma}$
|
|
|
+ \If {$\min_{1<j\le k} \|\bm{o}^{c}_{0} - \bm{o}^{c}_{j} \|_2 > thr$}
|
|
|
+ \State $ label \gets 1 $
|
|
|
+ \Else
|
|
|
+ \State $ label \gets 0 $
|
|
|
+ \EndIf
|
|
|
+ \end{algorithmic}
|
|
|
+ \end{spacing}
|
|
|
\end{algorithm}
|
|
|
|
|
|
\section{代码表示}
|
|
|
|
|
|
%据悉以下语言被lstlisting支持：Awk, bash, Basi4, C#, C++, C, Delphi, erlang, Fortran, GCL, Haskell, HTML, Java, JVMIS, Lisp, Logo, Lua, make, Mathematica, Matlab, Objective C , Octave, Pascal, Perl, PHP, Prolog, Python, R, Ruby, SAS, Scilab, sh, SHELXL, Simula, SQL, tcl, TeX, VBScript, Verilog, VHDL, XML, XSLT
|
|
|
%遗憾的是，JavaScript不被支持，请上网搜索支持该语言的方法
|
|
|
-
|
|
|
+
|
|
|
+\subsection{直接书写代码在.tex中}
|
|
|
下面的代码\ref{plus}是用Python编写的加法函数。
|
|
|
|
|
|
\begin{lstlisting}[language=Python, caption=加法, label=plus, tabsize=2]
|
|
|
@@ -252,39 +260,34 @@ def plusFunc(a, b):
|
|
|
return a + b
|
|
|
\end{lstlisting}
|
|
|
|
|
|
-下面的代码\ref{recursion}是用Python文件中引入的倒序打印$x$到$1$的函数。
|
|
|
+\subsection{引用代码文件}
|
|
|
+下面的代码\ref{recursion}是用Python文件中引入的倒序打印$x$到$1$的函数，请查看code文件夹。
|
|
|
|
|
|
\lstinputlisting[language=Python, caption=倒序打印数字, label=recursion, tabsize=2]{code/recursion.py}
|
|
|
|
|
|
\section{列表样式}
|
|
|
|
|
|
-以下是使用圆点作为项目符号的列表样式。
|
|
|
+\subsection{使用圆点作为项目符号}
|
|
|
|
|
|
\begin{itemize}
|
|
|
-\item \textbf{第一章为基础模块示例}，是的，就是本章。
|
|
|
+\item \textbf{第一章为基础模块示例}，是的，本章的名字就是基础模块示例，正如你看到这个样子。
|
|
|
\item \textbf{第二章为不存在}，是的，其实它不存在。
|
|
|
\end{itemize}
|
|
|
|
|
|
-以下是使用数字作为项目符号的列表样式。
|
|
|
+\subsection{使用数字作为项目符号}
|
|
|
|
|
|
\begin{enumerate}
|
|
|
-\item \textbf{第一章为基础模块示例}，是的，就是本章。
|
|
|
+\item \textbf{第一章为基础模块示例}，是的，本章的名字就是基础模块示例，正如你看到这个样子。
|
|
|
\item \textbf{第二章为不存在}，是的，其实它不存在。
|
|
|
\end{enumerate}
|
|
|
|
|
|
-以下是句中列表样式。
|
|
|
+\subsection{句中数字编号列表样式}
|
|
|
+
|
|
|
\begin{enumerate*}
|
|
|
- \item \textbf{第一章为基础模块示例}，是的，就是本章；
|
|
|
+ \item \textbf{第一章为基础模块示例}，是的，本章的名字就是基础模块示例，正如你看到这个样子；
|
|
|
\item \textbf{第二章为不存在}，是的，其实它不存在。
|
|
|
\end{enumerate*}
|
|
|
|
|
|
-以下是无项目符号（实际是可以自定义一些符号，但我懒得加了）的列表样式，它会顶格书写。
|
|
|
-
|
|
|
-\begin{description}
|
|
|
-\item \textbf{第一章为基础模块示例}，是的，就是本章。
|
|
|
-\item \textbf{第二章为不存在}，是的，其实它不存在。
|
|
|
-\end{description}
|
|
|
-
|
|
|
%%%%%%%%%%%%%%%%%%%%%%% Main Area ENDs Here %%%%%%%%%%%%%%%%%%%%%%%%
|
|
|
%\let\cleardoublepage=\cleardoublepagebak
|
|
|
% Reference
|
|
|
@@ -380,6 +383,16 @@ def minusFunc(a, b):
|
|
|
|
|
|
\newpage\backmatter
|
|
|
|
|
|
+% Translated Article
|
|
|
+\blankmatter
|
|
|
+\thispagestyle{empty}
|
|
|
+\begin{center}
|
|
|
+% 原文第一页，PDF缩放比例为0.95，可以自行调整
|
|
|
+\includepdf[pages=1, scale=0.95, pagecommand=\heiti\sanhao{外\quad{}文\quad{}原\quad{}文}]{docs/translation.pdf}
|
|
|
+% 原文剩余部分
|
|
|
+\includepdf[pages=2-, scale=0.95, pagecommand={}]{docs/translation.pdf}
|
|
|
+\end{center}
|
|
|
+
|
|
|
% Translation
|
|
|
\setcounter{chapter}{0}
|
|
|
\renewcommand{\thefigure}{~外\arabic{chapter}-\arabic{figure}~}
|
|
|
@@ -450,15 +463,6 @@ def minusFunc(a, b):
|
|
|
|
|
|
\endgroup
|
|
|
|
|
|
-% Translated Article
|
|
|
-\blankmatter
|
|
|
-%\thispagestyle{empty}
|
|
|
-\centering
|
|
|
-% 原文第一页，PDF缩放比例为0.95，可以自行调整
|
|
|
-\includepdf[pages=1, scale=0.95, pagecommand=\heiti\sanhao{\textbf{外\quad{}文\quad{}原\quad{}文}}]{docs/translation.pdf}
|
|
|
-% 原文剩余部分
|
|
|
-\includepdf[pages=2-, scale=0.95, pagecommand={}]{docs/translation.pdf}
|
|
|
-
|
|
|
% 开题报告
|
|
|
\blankmatter
|
|
|
\includepdf[pages=-]{docs/openingReport.pdf}
|
VictorSheng