基于新浪微博的冰雹实况信息提取方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景目的及意义 | 第9-10页 |
| 1.2 研究内容 | 第10-12页 |
| 1.3 研究现状 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 微博数据的采集标注语料的构建 | 第14-23页 |
| 2.1 微博数据的采集 | 第14-19页 |
| 2.1.1 第三方软件和数据集 | 第14页 |
| 2.1.2 调用新浪微博接口 | 第14-15页 |
| 2.1.3 网络爬虫 | 第15-19页 |
| 2.2 标注语料的构建 | 第19-22页 |
| 2.2.1 国外语料库建设 | 第20页 |
| 2.2.2 我国语料库建设 | 第20-21页 |
| 2.2.3 冰雹标注语料的构建 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 文本分类 | 第23-37页 |
| 3.1 文本预处理 | 第23-24页 |
| 3.2 中文分词 | 第24-28页 |
| 3.2.1 基于规则的分词方法 | 第24-25页 |
| 3.2.2 基于理解的分词方法 | 第25页 |
| 3.2.3 基于统计模型的分词方法 | 第25-26页 |
| 3.2.4 分词方法总结 | 第26-28页 |
| 3.3 文本表示 | 第28-31页 |
| 3.3.1 布尔模型 | 第28-29页 |
| 3.3.2 概率模型 | 第29页 |
| 3.3.3 向量空间模型 | 第29-31页 |
| 3.4 文本特征选择 | 第31-35页 |
| 3.4.1 文档频率法（DF） | 第31-32页 |
| 3.4.2 互信息(MI) | 第32页 |
| 3.4.3 信息增益(IG) | 第32-33页 |
| 3.4.4 卡方检验(CHI) | 第33-34页 |
| 3.4.5 其他方法 | 第34-35页 |
| 3.5 文本特征扩展 | 第35页 |
| 3.6 文本特征权重 | 第35-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第四章 降雹类事件识别 | 第37-46页 |
| 4.1 文本特征选择方案 | 第37-38页 |
| 4.1.1 基于单评估函数的特征词排序 | 第37页 |
| 4.1.2 基于多评估函数的特征提取 | 第37-38页 |
| 4.2 文本分类方法选择 | 第38-42页 |
| 4.2.1 支持向量机 | 第38-39页 |
| 4.2.2 K-Neighbors | 第39-41页 |
| 4.2.3 Bayes分类算法 | 第41-42页 |
| 4.2.4 综合分类法 | 第42页 |
| 4.3 基于分类性能的评价指标 | 第42页 |
| 4.4 分类与测试 | 第42-45页 |
| 4.4.1 分类与测试方案设计 | 第42-43页 |
| 4.4.2 测试与分析 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 基于句子级的冰雹事件信息的提取 | 第46-51页 |
| 5.1 基于句子级信息提取的研究 | 第46-47页 |
| 5.1.1 命名实体识别 | 第46-47页 |
| 5.1.2 基于框架的信息提取研究 | 第47页 |
| 5.2 句子级的冰雹事件的抽取 | 第47-50页 |
| 5.2.1 降雹时间和地点 | 第48页 |
| 5.2.2 降雹事件 | 第48页 |
| 5.2.3 冰雹大小 | 第48-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 发表论文和参加科研情况说明 | 第56-57页 |
| 致谢 | 第57-58页 |
