| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-17页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15-17页 |
| 1.2 研究思路与方法 | 第17-18页 |
| 1.3 主要工作 | 第18页 |
| 1.4 论文的组织结构 | 第18-20页 |
| 第二章 文献综述 | 第20-38页 |
| 2.1 突发事件相关研究 | 第20-22页 |
| 2.1.1 突发事件概念 | 第20-21页 |
| 2.1.2 突发事件特征 | 第21页 |
| 2.1.3 突发事件生命周期 | 第21-22页 |
| 2.2 突发事件检测相关工作与技术研究 | 第22-34页 |
| 2.2.1 突发事件检测相关工作 | 第22-24页 |
| 2.2.2 突发词检测技术研究 | 第24-26页 |
| 2.2.3 文本主题抽取技术研究 | 第26-34页 |
| 2.3 大数据并行计算相关工作与技术研究 | 第34-38页 |
| 2.3.1 大数据并行计算相关工作 | 第34-35页 |
| 2.3.2 Hadoop MapReduce和Spark系统评估 | 第35-38页 |
| 第三章 突发事件并行检测模型研究 | 第38-50页 |
| 3.1 模型总体框架 | 第38-39页 |
| 3.2 语料并行预处理 | 第39-41页 |
| 3.2.1 英文语料并行预处理 | 第39-41页 |
| 3.2.2 中文语料并行预处理 | 第41页 |
| 3.3 突发词并行检测模块 | 第41-44页 |
| 3.3.1 突发词并行检测算法 | 第41-43页 |
| 3.3.2 突发词并行检测参数说明 | 第43-44页 |
| 3.3.3 复杂度分析 | 第44页 |
| 3.4 潜在突发文本并行过滤 | 第44-45页 |
| 3.4.1 潜在突发文本并行过滤算法 | 第44-45页 |
| 3.4.2 复杂度分析 | 第45页 |
| 3.5 LDA主题并行抽取模块 | 第45-49页 |
| 3.5.1 LDA主题并行抽取算法 | 第45-47页 |
| 3.5.2 LDA主题并行抽取参数说明 | 第47-48页 |
| 3.5.3 复杂度分析 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 突发事件并行检测实证研究 | 第50-80页 |
| 4.1 新闻数据源检测实证研究 | 第50-73页 |
| 4.1.1 新闻数据来源 | 第50-51页 |
| 4.1.2 新闻数据源检测结果与分析 | 第51-73页 |
| 4.2 微博数据源检测实证研究 | 第73-79页 |
| 4.2.1 数据来源与硬件配置 | 第73-74页 |
| 4.2.2 实验结果与分析 | 第74-79页 |
| 4.3 本章小结 | 第79-80页 |
| 第五章 总结与展望 | 第80-82页 |
| 5.1 本文主要工作 | 第80-81页 |
| 5.2 研究展望 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87-88页 |
| 附录A LDA主题并行抽取MAP操作算法 | 第88-89页 |
| 附录B LDA主题并行抽取REDUCE操作算法 | 第89-90页 |
| 附录C 科研成果与学术活动 | 第90-91页 |