基于地理坐标的微博事件检测与分析研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 研究内容与方法 | 第15-17页 |
| 2 微博地理数据的采集、检测及相关技术综述 | 第17-25页 |
| 2.1 微博地理数据的采集方法 | 第17-18页 |
| 2.1.1 网络爬虫抓取 | 第17-18页 |
| 2.1.2 基于开放API的微博数据获取 | 第18页 |
| 2.2 微博开放平台 | 第18-22页 |
| 2.2.1 开放平台的概念 | 第18-19页 |
| 2.2.2 OAuth2.0授权 | 第19-22页 |
| 2.3 微博事件检测算法 | 第22-23页 |
| 2.4 Lucene&Solr和R语言 | 第23-25页 |
| 2.4.1 Lucene&Solr介绍 | 第23-24页 |
| 2.4.2 R语言 | 第24-25页 |
| 3 微博特征地理规律性构建过程和指标 | 第25-42页 |
| 3.1 微博数据获取及预处理 | 第25-30页 |
| 3.1.1 微博数据获取 | 第25-29页 |
| 3.1.2 微博数据预处理 | 第29-30页 |
| 3.2 微博地理规律性构建指标 | 第30-34页 |
| 3.2.1 微博发布数量 | 第31页 |
| 3.2.2 微博评论数量 | 第31-32页 |
| 3.2.3 微博转发数量 | 第32-33页 |
| 3.2.4 微博用户活跃度 | 第33页 |
| 3.2.5 微博用户移动强度 | 第33-34页 |
| 3.3 微博数据库设计 | 第34-35页 |
| 3.4 微博的时空分布特征 | 第35-38页 |
| 3.4.1 微博的时间分布特征 | 第35-37页 |
| 3.4.2 微博的空间分布特征 | 第37-38页 |
| 3.5 微博地理规律性的构建 | 第38-42页 |
| 3.5.1 微博数据的边界划分 | 第38-39页 |
| 3.5.2 微博地理规律性指标的抽取 | 第39页 |
| 3.5.3 微博地理规律性的构建 | 第39-42页 |
| 4 微博事件检测框架 | 第42-48页 |
| 4.1 微博事件的摘要抽取 | 第42-43页 |
| 4.2 微博事件检测的流程 | 第43-45页 |
| 4.3 微博事件的分类 | 第45页 |
| 4.4 微博事件发展趋势分析 | 第45-47页 |
| 4.5 微博事件检索 | 第47-48页 |
| 5 实验数据与结果分析 | 第48-56页 |
| 5.1 数据分析 | 第48-52页 |
| 5.2 结果分析 | 第52-54页 |
| 5.3 北京“沙尘暴”事件检索 | 第54-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |
