网络舆情突发事件检测与追踪关键技术研究
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.1.1 理论意义 | 第11-12页 |
| 1.1.2 应用价值 | 第12-13页 |
| 1.2 研究现状 | 第13-18页 |
| 1.2.1 话题检测与追踪国际研究现状 | 第13-17页 |
| 1.2.2 话题检测与追踪国内研究现状 | 第17页 |
| 1.2.3 突发话题检测相关研究 | 第17-18页 |
| 1.3 研究内容及本文贡献 | 第18-20页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 本文贡献 | 第19-20页 |
| 1.4 本文的组织结构 | 第20-23页 |
| 第2章 基于改进蚁群聚类算法的子话题划分策略 | 第23-35页 |
| 2.1 引言 | 第23页 |
| 2.2 研究现状 | 第23-24页 |
| 2.3 蚁群聚类算法 | 第24-25页 |
| 2.4 改进的蚁群聚类算法 | 第25-27页 |
| 2.4.1 损失函数定义 | 第25-26页 |
| 2.4.2 概率转换函数定义 | 第26-27页 |
| 2.5 基于改进蚁群算法的子话题划分 | 第27-28页 |
| 2.6 实验分析 | 第28-33页 |
| 2.6.1 实验语料 | 第28页 |
| 2.6.2 评测指标 | 第28-29页 |
| 2.6.3 实验结果及分析 | 第29-33页 |
| 2.7 小结 | 第33-35页 |
| 第3章 基于实体依赖的相关事件识别方法 | 第35-47页 |
| 3.1 引言 | 第35页 |
| 3.2 研究现状 | 第35-37页 |
| 3.2.1 国际研究现状 | 第35-36页 |
| 3.2.2 国内研究现状 | 第36-37页 |
| 3.3 常用事件关系识别方法 | 第37-38页 |
| 3.3.1 基于模式匹的事件关系识别 | 第37页 |
| 3.3.2 基于特征分析的事件关系识别 | 第37-38页 |
| 3.4 问题定义 | 第38页 |
| 3.4.2 层次事件模型定义 | 第38页 |
| 3.5 事件关系推理线索集构建 | 第38-43页 |
| 3.5.1 特征空间定义 | 第38-40页 |
| 3.5.2 初始关系线索集构建 | 第40页 |
| 3.5.3 问题分析 | 第40-43页 |
| 3.6 事件关系推理 | 第43页 |
| 3.7 实验结果及分析 | 第43-46页 |
| 3.7.1 实验语料 | 第43页 |
| 3.7.2 评价指标 | 第43-44页 |
| 3.7.3 实验流程 | 第44-45页 |
| 3.7.4 实验结果及分析 | 第45-46页 |
| 3.8 本章小结 | 第46-47页 |
| 第4章 基于用户情感的在线突发事件识别研究 | 第47-59页 |
| 4.1 引言 | 第47-48页 |
| 4.2 研究现状 | 第48-49页 |
| 4.3 问题分析 | 第49-52页 |
| 4.4 基于情感过滤的网络突发事件预判 | 第52-55页 |
| 4.4.1 新事件探测 | 第52-53页 |
| 4.4.2 基于时序驱动的突发性评估 | 第53页 |
| 4.4.3 融合情感过滤的突发话题检测 | 第53-55页 |
| 4.5 实验及结果分析 | 第55-58页 |
| 4.5.1 实验语料 | 第55-56页 |
| 4.5.2 评价指标 | 第56页 |
| 4.5.3 实验流程 | 第56-57页 |
| 4.5.4 实验结果分析 | 第57-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第5章 网络舆情分析系统 | 第59-67页 |
| 5.1 网络舆情突发事件预判系统设计方案 | 第59-61页 |
| 5.1.1 系统整体设计 | 第59页 |
| 5.1.2 系统设计思路 | 第59-60页 |
| 5.1.3 网络舆情突发事件预判流程 | 第60-61页 |
| 5.2 网络舆情预判系统主界面 | 第61-66页 |
| 5.2.1 服务器端系统主要界面 | 第62-65页 |
| 5.2.2 客户端系统主要界面 | 第65-66页 |
| 5.3 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 进一步工作 | 第68-69页 |
| 参考文献 | 第69-78页 |
| 攻读博士学位期间取得的成果及参与的课题 | 第78-79页 |
| 致谢 | 第79-80页 |
