突发事件检测与关键节点挖掘研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 突发事件检测 | 第9-10页 |
| 1.2.2 信息传播网络结构 | 第10-11页 |
| 1.2.3 情感分析 | 第11-13页 |
| 1.3 研究内容及技术路线 | 第13-16页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 技术路线 | 第13-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 2 相关技术和理论 | 第17-26页 |
| 2.1 文本特征选择 | 第17-18页 |
| 2.2 文本聚类 | 第18-22页 |
| 2.2.1 基于划分的方法 | 第19-20页 |
| 2.2.2 基于层次的方法 | 第20页 |
| 2.2.3 基于密度的方法 | 第20-21页 |
| 2.2.4 基于网格的方法 | 第21-22页 |
| 2.2.5 基于模型的方法 | 第22页 |
| 2.3 关键节点挖掘 | 第22-24页 |
| 2.3.1 依据节点近邻的挖掘方法 | 第22页 |
| 2.3.2 基于路径的挖掘方法 | 第22-23页 |
| 2.3.3 基于特征向量的挖掘方法 | 第23页 |
| 2.3.4 基于节点移除和收缩的挖掘方法 | 第23-24页 |
| 2.4 情感分析 | 第24-25页 |
| 2.4.1 基于情感词典的方法 | 第24-25页 |
| 2.4.2 基于机器学习的方法 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于突发词H指数的微博突发事件检测算法研究 | 第26-45页 |
| 3.1 突发事件检测流程概述 | 第26页 |
| 3.2 文本预处理 | 第26-30页 |
| 3.2.1 分词、词性标注 | 第27-29页 |
| 3.2.2 无用信息过滤 | 第29-30页 |
| 3.3 特征选择 | 第30-34页 |
| 3.3.1 构建候选突发词表 | 第31-32页 |
| 3.3.2 识别突发词 | 第32-34页 |
| 3.4 文本特征表示 | 第34-35页 |
| 3.5 突发事件检测 | 第35-36页 |
| 3.6 实验与结果分析 | 第36-43页 |
| 3.6.1 实验目的 | 第36页 |
| 3.6.2 实验环境 | 第36页 |
| 3.6.3 实验设计 | 第36页 |
| 3.6.4 实验数据 | 第36-38页 |
| 3.6.5 结果评价标准 | 第38-39页 |
| 3.6.6 结果分析 | 第39-43页 |
| 3.7 本章小结 | 第43-45页 |
| 4 结合情感分析的突发事件舆情网络关键节点挖掘 | 第45-53页 |
| 4.1 突发事件舆情网络关键节点挖掘流程概述 | 第45-46页 |
| 4.2 数据及网络构建 | 第46-48页 |
| 4.2.1 事件概述 | 第46页 |
| 4.2.2 数据采集 | 第46页 |
| 4.2.3 实验环境 | 第46页 |
| 4.2.4 信息传播网络构建 | 第46-48页 |
| 4.3 关键节点挖掘 | 第48-50页 |
| 4.3.1 关键节点度量指标 | 第48-49页 |
| 4.3.2 关键节点挖掘 | 第49-50页 |
| 4.4 关键节点文本情感分析 | 第50-52页 |
| 4.4.1 情感分析 | 第50-51页 |
| 4.4.2 消极情绪关键节点标识 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58-59页 |
