| 摘要 | 第1-14页 |
| ABSTRACT | 第14-19页 |
| 第1章 绪论 | 第19-29页 |
| ·研究背景及意义 | 第19-20页 |
| ·面临的问题 | 第20-22页 |
| ·研究内容及贡献 | 第22-28页 |
| ·研究环境 | 第22-24页 |
| ·研究内容 | 第24-26页 |
| ·本文贡献 | 第26-28页 |
| ·论文结构 | 第28-29页 |
| 第2章 相关研究 | 第29-43页 |
| ·引言 | 第29页 |
| ·Web实体事件关系的识别 | 第29-34页 |
| ·Web事件时序关系的识别 | 第30-31页 |
| ·Web事件间非时序关系的识别 | 第31-34页 |
| ·Web实体踪迹及实体踪迹模式的发现 | 第34-41页 |
| ·Web实体踪迹的发现 | 第35-37页 |
| ·Web实体踪迹模式的发现 | 第37-41页 |
| ·小结 | 第41-43页 |
| 第3章 基于事件要素关联特征的事件关系识别方法 | 第43-62页 |
| ·引言 | 第43-44页 |
| ·问题定义 | 第44-46页 |
| ·事件关系识别的解决方法 | 第46-47页 |
| ·基于事件要素关联特征的事件关系识别方法 | 第47-54页 |
| ·事件间共现关系的识别 | 第47-48页 |
| ·基于统计方法分析事件要素间的关联特征 | 第48-52页 |
| ·事件要素关联特征项的抽取 | 第52-53页 |
| ·基于事件要素关联特征项的机器学习分类方法 | 第53-54页 |
| ·基于事件关系构建事件关系图 | 第54-56页 |
| ·事件关系图 | 第54页 |
| ·事件因果图 | 第54-56页 |
| ·实验 | 第56-59页 |
| ·数据集 | 第56-57页 |
| ·评价标准 | 第57-58页 |
| ·实验结果及分析 | 第58-59页 |
| ·相关工作 | 第59-61页 |
| ·小结 | 第61-62页 |
| 第4章 基于频繁子图挖掘的Web实体周期性踪迹的发现 | 第62-78页 |
| ·引言 | 第62-63页 |
| ·问题定义 | 第63-64页 |
| ·实体周期性踪迹发现的解决方法 | 第64-65页 |
| ·基于聚类的所有事件类的发现方法 | 第65-66页 |
| ·基于频繁子图挖掘的周期性踪迹的发现方法 | 第66-71页 |
| ·发现所有的Vertice-Edge-Vertice模式 | 第66-67页 |
| ·发现所有的Star模式 | 第67-69页 |
| ·基于合并方法产生实体周期性踪迹 | 第69-71页 |
| ·实验 | 第71-75页 |
| ·数据集 | 第71-73页 |
| ·实验结果与分析 | 第73-75页 |
| ·相关工作 | 第75-77页 |
| ·小结 | 第77-78页 |
| 第5章 基于重要事件的同类Web实体相似性踪迹的发现 | 第78-94页 |
| ·引言 | 第78-79页 |
| ·问题定义 | 第79-80页 |
| ·同类实体相似性踪迹发现的解决方法 | 第80-82页 |
| ·基于时间窗口分割的重要事件的发现 | 第82-84页 |
| ·基于时间窗口分割的重要事件的发现 | 第84-86页 |
| ·实体相似性踪迹的发现方法 | 第86-88页 |
| ·实验 | 第88-92页 |
| ·数据集 | 第88-90页 |
| ·实验结果及分析 | 第90-92页 |
| ·相关工作 | 第92-93页 |
| ·小结 | 第93-94页 |
| 第6章 总结与展望 | 第94-97页 |
| ·总结 | 第94-96页 |
| ·展望 | 第96-97页 |
| 参考文献 | 第97-110页 |
| 致谢 | 第110-112页 |
| 攻读学位期间发表的学术论文目录 | 第112-113页 |
| 攻读学位期间参与科研项目情况 | 第113-114页 |
| 外文论文 | 第114-140页 |
| Paper 1 Mining Periodic Traces of an Entity on Web | 第114-127页 |
| Paper 2 Mining Similar Traces of Entities on Web | 第127-140页 |
| 学位论文评阅及答辩情况表 | 第140页 |
