| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 本文研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第2章 中文时间表达式范围识别 | 第16-36页 |
| 2.1 引言 | 第16页 |
| 2.2 语料及标注规范 | 第16-21页 |
| 2.2.1 TempEval-2 中文语料 | 第16-18页 |
| 2.2.2 TIMEX3 标注规范 | 第18-20页 |
| 2.2.3 中文 TIMEX3 标注规范 | 第20-21页 |
| 2.3 相关机器学习模型介绍 | 第21-25页 |
| 2.3.1 条件随机场 | 第21-23页 |
| 2.3.2 支持向量机 | 第23-24页 |
| 2.3.3 最大熵模型 | 第24-25页 |
| 2.4 基于统计的中文时间表达式范围识别 | 第25-35页 |
| 2.4.1 特征选取 | 第26-28页 |
| 2.4.2 特征选择 | 第28-32页 |
| 2.4.3 实验结果比较 | 第32-34页 |
| 2.4.4 实验结果分析 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 中文时间表达式类型识别及规范化 | 第36-45页 |
| 3.1 引言 | 第36页 |
| 3.2 中文时间表达式类型识别 | 第36-40页 |
| 3.2.1 语料说明 | 第36-37页 |
| 3.2.2 特征选取 | 第37-38页 |
| 3.2.3 实验结果及分析 | 第38-40页 |
| 3.3 新闻文本中时间表达式规范化 | 第40-44页 |
| 3.3.1 规范化准备 | 第40-42页 |
| 3.3.2 规范化流程 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 网络舆情热点话题发现技术研究 | 第45-58页 |
| 4.1 引言 | 第45页 |
| 4.2 话题发现介绍 | 第45-47页 |
| 4.2.1 话题概念及发现流程 | 第45-46页 |
| 4.2.2 话题发现技术 | 第46-47页 |
| 4.3 基于时间信息的话题发现技术 | 第47-57页 |
| 4.3.1 改进的增量聚类算法 | 第47-49页 |
| 4.3.2 新闻文本表示模型 | 第49-50页 |
| 4.3.3 加入时间信息的新闻相似度计算 | 第50-52页 |
| 4.3.4 改进的 Single-Pass 算法流程 | 第52页 |
| 4.3.5 实验及结果分析 | 第52-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 基于时间信息的突发事件识别和告警 | 第58-64页 |
| 5.1 引言 | 第58页 |
| 5.2 基于时间相近的突发事件识别 | 第58-61页 |
| 5.2.1 突发事件示例 | 第58-60页 |
| 5.2.2 基于时间相近的突发时间识别 | 第60-61页 |
| 5.3 突发事件告警设计和实现 | 第61-63页 |
| 5.3.1 告警系统设计 | 第61-62页 |
| 5.3.2 告警系统展示 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间发表的论文 | 第70-72页 |
| 致谢 | 第72页 |